/[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 576 by dpavlin, Mon Jul 3 22:12:13 2006 UTC revision 627 by dpavlin, Tue Sep 5 15:14:14 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 0.11;
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 81  messages with C<--no-marc-lint>. Line 84  messages with C<--no-marc-lint>.
84    
85  Force dump or input and marc record for debugging.  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 97  my $validate_path; Line 113  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;  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 112  GetOptions( Line 141  GetOptions(
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,          "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 143  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");  
212                    my $cfg_name = $use_indexer;
213                    $cfg_name =~ s/\-.*$//;
214    
215                    my $indexer_config = $config->{$cfg_name} || $log->logdie("can't find '$cfg_name' part in confguration");
216                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
217                  $indexer_config->{clean} = $clean;                  $indexer_config->{clean} = $clean;
218                  $indexer_config->{label} = $db_config->{name};                  $indexer_config->{label} = $db_config->{name};
219    
220                    # force clean if database has links
221                    $indexer_config->{clean} = 1 if ($db_config->{links});
222    
223                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
224    
225                          # open Hyper Estraier database                          # open Hyper Estraier database
226                          use WebPAC::Output::Estraier '0.10';                          use WebPAC::Output::Estraier '0.10';
227                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
228                                    
229                    } elsif ($use_indexer eq 'hyperestraier-native') {
230    
231                            # open Hyper Estraier database
232                            use WebPAC::Output::EstraierNative;
233                            $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
234    
235                            $use_indexer = 'hyperestraier';
236    
237                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
238    
239                          # open KinoSearch                          # open KinoSearch
# Line 180  while (my ($database, $db_config) = each Line 250  while (my ($database, $db_config) = each
250    
251    
252          #          #
253            # store Hyper Estraier links to other databases
254            #
255            if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
256                    foreach my $link (@{ $db_config->{links} }) {
257                            if ($use_indexer eq 'hyperestraier') {
258                                    if ($merge) {
259                                            print $estcmd_fh 'sudo -u www-data estcmd merge ' . $database . ' ' . $link->{to},$/;
260                                    } else {
261                                            $log->info("saving link $database -> $link->{to} [$link->{credit}]");
262                                            push @links, sub {
263                                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
264                                                    $indexer->add_link(
265                                                            from => $database,
266                                                            to => $link->{to},
267                                                            credit => $link->{credit},
268                                                    );
269                                            };
270                                    }
271                            } else {
272                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
273                            }
274                    }
275            }
276            next if ($only_links);
277    
278    
279            #
280          # now WebPAC::Store          # now WebPAC::Store
281          #          #
282          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
# Line 224  while (my ($database, $db_config) = each Line 321  while (my ($database, $db_config) = each
321    
322                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$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));
323    
324                  my $lookup = new WebPAC::Lookup(                  my $lookup;
325                          lookup_file => $input->{lookup},                  if ($input->{lookup}) {
326                  ) if ($input->{lookup});                          $lookup = new WebPAC::Lookup(
327                                    lookup_file => $input->{lookup},
328                            );
329                            delete( $input->{lookup} );
330                    }
331    
332                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
333    
# Line 236  while (my ($database, $db_config) = each Line 337  while (my ($database, $db_config) = each
337    
338                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
339                          module => $input_module,                          module => $input_module,
340                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->{webpac}->{webpac_encoding},
341                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
342                          offset => $offset,                          offset => $offset,
343                          lookup => $lookup,                          lookup_coderef => sub {
344                                    my $rec = shift || return;
345                                    $lookup->add( $rec );
346                            },
347                          recode => $input->{recode},                          recode => $input->{recode},
348                          stats => $stats,                          stats => $stats,
349                            modify_records => $input->{modify_records},
350                  );                  );
351                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
352    
# Line 271  while (my ($database, $db_config) = each Line 376  while (my ($database, $db_config) = each
376    
377                          $log->info("Using $normalize_path for normalization...");                          $log->info("Using $normalize_path for normalization...");
378    
379                          my $marc_fh;                          my $marc = new WebPAC::Output::MARC(
380                          if (my $path = $normalize->{output}) {                                  path => $normalize->{output},
381                                  open($marc_fh, '>', $path) ||                                  lint => $marc_lint,
382                                          $log->logdie("can't open MARC output $path: $!");                                  dump => $marc_dump,
383                            ) if ($normalize->{output});
                                 $log->info("Creating MARC export file $path", $marc_lint ? ' (with lint)' : '', "\n");  
                         }  
384    
385                          # reset position in database                          # reset position in database
386                          $input_db->seek(1);                          $input_db->seek(1);
# Line 300  while (my ($database, $db_config) = each Line 403  while (my ($database, $db_config) = each
403                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
404                                  }                                  }
405    
406                                    my $ds_config = dclone($db_config);
407    
408                                    # default values -> database key
409                                    $ds_config->{_} = $database;
410    
411                                    # current mfn
412                                    $ds_config->{_mfn} = $mfn;
413    
414                                    # attach current input
415                                    $ds_config->{input} = $input;
416    
417                                  my $ds = WebPAC::Normalize::data_structure(                                  my $ds = WebPAC::Normalize::data_structure(
418                                          row => $row,                                          row => $row,
419                                          rules => $rules,                                          rules => $rules,
420                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
421                                            config => $ds_config,
422                                          marc_encoding => 'utf-8',                                          marc_encoding => 'utf-8',
423                                  );                                  );
424    
# Line 319  while (my ($database, $db_config) = each Line 434  while (my ($database, $db_config) = each
434                                          type => $config->{$use_indexer}->{type},                                          type => $config->{$use_indexer}->{type},
435                                  ) if ($indexer && $ds);                                  ) if ($indexer && $ds);
436    
437                                  if ($marc_fh) {                                  if ($marc) {
438                                          my $marc = new MARC::Record;                                          my $i = 0;
                                         $marc->encoding( 'utf-8' );  
                                         my @marc_fields = WebPAC::Normalize::_get_marc_fields();  
                                         if (! @marc_fields) {  
                                                 $log->warn("MARC record $mfn is empty, skipping");  
                                         } else {  
                                                 $marc->add_fields( @marc_fields );  
   
                                                 # tweak leader  
                                                 if (my $new_l = WebPAC::Normalize::marc_leader()) {  
   
                                                         my $leader = $marc->leader;  
   
                                                         foreach my $o ( keys %$new_l ) {  
                                                                 my $insert = $new_l->{$o};  
                                                                 $leader = substr($leader, 0, $o) .  
                                                                         $insert . substr($leader, $o+length($insert));  
                                                         }  
                                                         $marc->leader( $leader );  
                                                 }  
   
                                                 if ($marc_lint) {  
                                                         $lint->check_record( $marc );  
                                                         my $err = join( "\n", $lint->warnings );  
                                                         $log->error("MARC lint detected warning on MFN $mfn\n",  
                                                                 "<<<<< Original imput row:\n",dump($row), "\n",  
                                                                 ">>>>> Normalized MARC row: leader: [", $marc->leader(), "]\n", dump(@marc_fields), "\n",  
                                                                 "!!!!! MARC lint warnings:\n",$err,"\n"  
                                                         ) if ($err);  
                                                 }  
   
                                                 if ($marc_dump) {  
                                                         $log->info("MARC record on MFN $mfn\n",  
                                                                 "<<<<< Original imput row:\n",dump($row), "\n",  
                                                                 ">>>>> Normalized MARC row: leader: [", $marc->leader(), "]\n", dump(@marc_fields), "\n",  
                                                         );  
                                                 }  
439    
440                                                  print $marc_fh $marc->as_usmarc;                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
441                                                    $marc->add(
442                                                            id => $mfn . ( $i ? "/$i" : '' ),
443                                                            fields => $fields,
444                                                            leader => WebPAC::Normalize::marc_leader(),
445                                                            row => $row,
446                                                    );
447                                                    $i++;
448                                          }                                          }
449    
450                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
451                                  }                                  }
452    
453                                  $total_rows++;                                  $total_rows++;
# Line 368  while (my ($database, $db_config) = each Line 456  while (my ($database, $db_config) = each
456                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
457    
458                          # close MARC file                          # close MARC file
459                          close($marc_fh) if ($marc_fh);                          $marc->finish if ($marc);
460    
461                  }                  }
462    
# Line 383  while (my ($database, $db_config) = each Line 471  while (my ($database, $db_config) = each
471                  )                  )
472          );          );
473    
474          #  
475          # add Hyper Estraier links to other databases          # end forked process
476          #          if ($parallel) {
477          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {                  $log->info("parallel process $$ finished");
478                  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}]");  
                         }  
                 }  
479          }          }
480    
481  }  }
482    
483  foreach my $link (@links) {  if ($parallel) {
484          $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");          # wait all children to finish
485          $indexer->add_link( %{ $link } );          sleep(1) while wait != -1;
486            $log->info("all parallel processes finished");
487    }
488    
489    #
490    # handle links or merge after indexing
491    #
492    
493    if ($merge) {
494            print $estcmd_fh 'sudo /etc/init.d/hyperestraier start',$/;
495            close($estcmd_fh);
496            chmod 0700, $estcmd_path || $log->warn("can't chmod 0700 $estcmd_path: $!");
497            system $estcmd_path;
498    } else {
499            foreach my $link (@links) {
500                    $log->logdie("coderef in link ", Dumper($link), " is ", ref($link), " and not CODE") unless (ref($link) eq 'CODE');
501                    $link->();
502            }
503  }  }
Legend:
Removed from v.576  
changed lines
  Added in v.627
  ViewVC Help
Powered by ViewVC 1.1.26