/[webpac2]/trunk/run.pl
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /trunk/run.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 558 by dpavlin, Sun Jul 2 10:27:06 2006 UTC revision 613 by dpavlin, Wed Aug 23 11:04:32 2006 UTC
# Line 7  use File::Temp qw/tempdir/; Line 7  use File::Temp qw/tempdir/;
7  use lib './lib';  use lib './lib';
8    
9  use WebPAC::Common 0.02;  use WebPAC::Common 0.02;
10  use WebPAC::Lookup;  use WebPAC::Lookup 0.03;
11  use WebPAC::Input 0.03;  use WebPAC::Input 0.10;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.03;
13  use WebPAC::Normalize;  use WebPAC::Normalize 0.11;
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Validate;  use WebPAC::Validate;
16    use WebPAC::Output::MARC;
17  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
18  use Getopt::Long;  use Getopt::Long;
19  use File::Path;  use File::Path;
20  use Time::HiRes qw/time/;  use Time::HiRes qw/time/;
21  use File::Slurp;  use File::Slurp;
 use MARC::Record 2.0;   # need 2.0 for utf-8 encoding see marcpm.sf.net  
 use MARC::Lint;  
22  use Data::Dump qw/dump/;  use Data::Dump qw/dump/;
23    use Storable qw/dclone/;
24    
25    use Proc::Queue size => 1;
26    use POSIX ":sys_wait_h"; # imports WNOHANG
27    
28  =head1 NAME  =head1 NAME
29    
# Line 77  Optional path to output file Line 80  Optional path to output file
80  By default turned on if C<--marc-normalize> is used. You can disable lint  By default turned on if C<--marc-normalize> is used. You can disable lint
81  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
82    
83    =item --marc-dump
84    
85    Force dump or input and marc record for debugging.
86    
87    =item --parallel 4
88    
89    Run databases in parallel (aproximatly same as number of processors in
90    machine if you want to use full load)
91    
92    =item --only-links
93    
94    Create just links
95    
96    =item --merge
97    
98    Create merged index of databases which have links
99    
100  =back  =back
101    
102  =cut  =cut
# Line 92  my $stats = 0; Line 112  my $stats = 0;
112  my $validate_path;  my $validate_path;
113  my ($marc_normalize, $marc_output);  my ($marc_normalize, $marc_output);
114  my $marc_lint = 1;  my $marc_lint = 1;
115    my $marc_dump = 0;
116    my $parallel = 0;
117    my $only_links = 0;
118    my $merge = 0;
119    
120    my $log = _new WebPAC::Common()->_get_logger();
121    
122    my $hostname = `hostname`;
123    chomp($hostname);
124    $hostname =~ s/\..+$//;
125    if (-e "conf/$hostname.yml") {
126            $config = "conf/$hostname.yml";
127            $log->info("using host configuration file: $config");
128    }
129    
130  GetOptions(  GetOptions(
131          "limit=i" => \$limit,          "limit=i" => \$limit,
# Line 100  GetOptions( Line 134  GetOptions(
134          "one=s" => \$only_filter,          "one=s" => \$only_filter,
135          "only=s" => \$only_filter,          "only=s" => \$only_filter,
136          "config" => \$config,          "config" => \$config,
137          "debug" => \$debug,          "debug+" => \$debug,
138          "stats" => \$stats,          "stats" => \$stats,
139          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
140          "marc-normalize=s" => \$marc_normalize,          "marc-normalize=s" => \$marc_normalize,
141          "marc-output=s" => \$marc_output,          "marc-output=s" => \$marc_output,
142          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
143            "marc-dump!" => \$marc_dump,
144            "parallel=i" => \$parallel,
145            "only-links!" => \$only_links,
146            "merge" => \$merge,
147  );  );
148    
149  $config = LoadFile($config);  $config = LoadFile($config);
150    
151  print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
152    
153  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
154    
 my $log = _new WebPAC::Common()->_get_logger();  
155  $log->info( "-" x 79 );  $log->info( "-" x 79 );
156    
157    
158    my $estcmd_fh;
159    my $estcmd_path = './estcmd-merge.sh';
160    if ($merge) {
161            open($estcmd_fh, '>', $estcmd_path) || $log->logdie("can't open $estcmd_path: $!");
162            print $estcmd_fh 'cd /data/estraier/_node/ || exit 1',$/;
163            print $estcmd_fh 'sudo /etc/init.d/hyperestraier stop',$/;
164            $log->info("created merge batch file $estcmd_path");
165    }
166    
167    
168  my $validate;  my $validate;
169  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
170          path => $validate_path,          path => $validate_path,
171  ) if ($validate_path);  ) if ($validate_path);
172    
173    
174  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->{use_indexer} || 'hyperestraier';
175  if ($stats) {  if ($stats) {
176          $log->debug("option --stats disables update of indexing engine...");          $log->debug("option --stats disables update of indexing engine...");
# Line 137  my $total_rows = 0; Line 186  my $total_rows = 0;
186  my $start_t = time();  my $start_t = time();
187    
188  my @links;  my @links;
 my $indexer;  
189    
190  my $lint = new MARC::Lint if ($marc_lint);  if ($parallel) {
191            $log->info("Using $parallel processes for speedup");
192            Proc::Queue::size($parallel);
193    }
194    
195  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
196    
197          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
198          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
199    
200            if ($parallel) {
201                    my $f=fork;
202                    if(defined ($f) and $f==0) {
203                            $log->info("Created processes $$ for speedup");
204                    } else {
205                            next;
206                    }
207            }
208    
209            my $indexer;
210          if ($use_indexer) {          if ($use_indexer) {
211                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
212                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
213                  $indexer_config->{clean} = $clean;                  $indexer_config->{clean} = $clean;
214                  $indexer_config->{label} = $db_config->{name};                  $indexer_config->{label} = $db_config->{name};
215    
216                    # force clean if database has links
217                    $indexer_config->{clean} = 1 if ($db_config->{links});
218    
219                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
220    
221                          # open Hyper Estraier database                          # open Hyper Estraier database
# Line 174  while (my ($database, $db_config) = each Line 238  while (my ($database, $db_config) = each
238    
239    
240          #          #
241            # store Hyper Estraier links to other databases
242            #
243            if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
244                    foreach my $link (@{ $db_config->{links} }) {
245                            if ($use_indexer eq 'hyperestraier') {
246                                    if ($merge) {
247                                            print $estcmd_fh 'sudo -u www-data estcmd merge ' . $database . ' ' . $link->{to},$/;
248                                    } else {
249                                            $log->info("saving link $database -> $link->{to} [$link->{credit}]");
250                                            push @links, sub {
251                                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
252                                                    $indexer->add_link(
253                                                            from => $database,
254                                                            to => $link->{to},
255                                                            credit => $link->{credit},
256                                                    );
257                                            };
258                                    }
259                            } else {
260                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
261                            }
262                    }
263            }
264            next if ($only_links);
265    
266    
267            #
268          # now WebPAC::Store          # now WebPAC::Store
269          #          #
270          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
# Line 218  while (my ($database, $db_config) = each Line 309  while (my ($database, $db_config) = each
309    
310                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
311    
312                  my $lookup = new WebPAC::Lookup(                  my $lookup;
313                          lookup_file => $input->{lookup},                  if ($input->{lookup}) {
314                  ) if ($input->{lookup});                          $lookup = new WebPAC::Lookup(
315                                    lookup_file => $input->{lookup},
316                            );
317                            delete( $input->{lookup} );
318                    }
319    
320                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
321    
# Line 230  while (my ($database, $db_config) = each Line 325  while (my ($database, $db_config) = each
325    
326                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
327                          module => $input_module,                          module => $input_module,
328                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->{webpac}->{webpac_encoding},
329                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
330                          offset => $offset,                          offset => $offset,
331                          lookup => $lookup,                          lookup_coderef => sub {
332                                    my $rec = shift || return;
333                                    $lookup->add( $rec );
334                            },
335                          recode => $input->{recode},                          recode => $input->{recode},
336                          stats => $stats,                          stats => $stats,
337                            modify_records => $input->{modify_records},
338                  );                  );
339                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
340    
# Line 265  while (my ($database, $db_config) = each Line 364  while (my ($database, $db_config) = each
364    
365                          $log->info("Using $normalize_path for normalization...");                          $log->info("Using $normalize_path for normalization...");
366    
367                          my $marc_fh;                          my $marc = new WebPAC::Output::MARC(
368                          if (my $path = $normalize->{output}) {                                  path => $normalize->{output},
369                                  open($marc_fh, '>', $path) ||                                  lint => $marc_lint,
370                                          $log->logdie("can't open MARC output $path: $!");                                  dump => $marc_dump,
371                            ) if ($normalize->{output});
                                 $log->info("Creating MARC export file $path", $marc_lint ? ' (with lint)' : '', "\n");  
                         }  
372    
373                          # reset position in database                          # reset position in database
374                          $input_db->seek(1);                          $input_db->seek(1);
# Line 294  while (my ($database, $db_config) = each Line 391  while (my ($database, $db_config) = each
391                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
392                                  }                                  }
393    
394                                                                            my $ds_config = dclone($db_config);
395    
396                                    # default values -> database key
397                                    $ds_config->{_} = $database;
398    
399                                    # current mfn
400                                    $ds_config->{_mfn} = $mfn;
401    
402                                    # attach current input
403                                    $ds_config->{input} = $input;
404    
405                                  my $ds = WebPAC::Normalize::data_structure(                                  my $ds = WebPAC::Normalize::data_structure(
406                                          row => $row,                                          row => $row,
407                                          rules => $rules,                                          rules => $rules,
408                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
409                                            config => $ds_config,
410                                          marc_encoding => 'utf-8',                                          marc_encoding => 'utf-8',
411                                  );                                  );
412    
# Line 314  while (my ($database, $db_config) = each Line 422  while (my ($database, $db_config) = each
422                                          type => $config->{$use_indexer}->{type},                                          type => $config->{$use_indexer}->{type},
423                                  ) if ($indexer && $ds);                                  ) if ($indexer && $ds);
424    
425                                  if ($marc_fh) {                                  if ($marc) {
426                                          my $marc = new MARC::Record;                                          my $i = 0;
427                                          $marc->encoding( 'utf-8' );  
428                                          my @marc_fields = WebPAC::Normalize::_get_marc_fields();                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
429                                          if (! @marc_fields) {                                                  $marc->add(
430                                                  $log->warn("MARC record $mfn is empty, skipping");                                                          id => $mfn . ( $i ? "/$i" : '' ),
431                                          } else {                                                          fields => $fields,
432                                                  $marc->add_fields( @marc_fields );                                                          leader => WebPAC::Normalize::marc_leader(),
433                                                  if ($marc_lint) {                                                          row => $row,
434                                                          $lint->check_record( $marc );                                                  );
435                                                          my $err = join( "\n", $lint->warnings );                                                  $i++;
                                                         $log->error("MARC lint detected warning on MFN $mfn\n",  
                                                                 "Original imput row: ",dump($row), "\n",  
                                                                 "Normalized MARC row: ",dump(@marc_fields), "\n",  
                                                                 "MARC lint warnings: ",$err,"\n"  
                                                         ) if ($err);  
                                                 }  
                                                 print $marc_fh $marc->as_usmarc;  
436                                          }                                          }
437    
438                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
439                                  }                                  }
440    
441                                  $total_rows++;                                  $total_rows++;
# Line 341  while (my ($database, $db_config) = each Line 444  while (my ($database, $db_config) = each
444                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
445    
446                          # close MARC file                          # close MARC file
447                          close($marc_fh) if ($marc_fh);                          $marc->finish if ($marc);
448    
449                  }                  }
450    
# Line 356  while (my ($database, $db_config) = each Line 459  while (my ($database, $db_config) = each
459                  )                  )
460          );          );
461    
462          #  
463          # add Hyper Estraier links to other databases          # end forked process
464          #          if ($parallel) {
465          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {                  $log->info("parallel process $$ finished");
466                  foreach my $link (@{ $db_config->{links} }) {                  exit(0);
                         if ($use_indexer eq 'hyperestraier') {  
                                 $log->info("saving link $database -> $link->{to} [$link->{credit}]");  
                                 push @links, {  
                                         from => $database,  
                                         to => $link->{to},  
                                         credit => $link->{credit},  
                                 };  
                         } else {  
                                 $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");  
                         }  
                 }  
467          }          }
468    
469  }  }
470    
471  foreach my $link (@links) {  if ($parallel) {
472          $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");          # wait all children to finish
473          $indexer->add_link( %{ $link } );          sleep(1) while wait != -1;
474            $log->info("all parallel processes finished");
475    }
476    
477    #
478    # handle links or merge after indexing
479    #
480    
481    if ($merge) {
482            print $estcmd_fh 'sudo /etc/init.d/hyperestraier start',$/;
483            close($estcmd_fh);
484            chmod 0700, $estcmd_path || $log->warn("can't chmod 0700 $estcmd_path: $!");
485            system $estcmd_path;
486    } else {
487            foreach my $link (@links) {
488                    $log->logdie("coderef in link ", Dumper($link), " is ", ref($link), " and not CODE") unless (ref($link) eq 'CODE');
489                    $link->();
490            }
491  }  }
Legend:
Removed from v.558  
changed lines
  Added in v.613
  ViewVC Help
Powered by ViewVC 1.1.26