/[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 529 by dpavlin, Mon May 22 19:34:45 2006 UTC revision 657 by dpavlin, Fri Sep 8 14:33:03 2006 UTC
# Line 4  use strict; Line 4  use strict;
4    
5  use Cwd qw/abs_path/;  use Cwd qw/abs_path/;
6  use File::Temp qw/tempdir/;  use File::Temp qw/tempdir/;
 use Data::Dumper;  
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::XML;  use WebPAC::Normalize 0.11;
 use WebPAC::Normalize::Set;  
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Validate;  use WebPAC::Validate 0.06;
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;
22    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 54  or C<type> from input Line 58  or C<type> from input
58    
59  path to YAML configuration file  path to YAML configuration file
60    
 =item --force-set  
   
 force conversion C<< normalize->path >> in C<config.yml> from  
 C<.xml> to C<.pl>  
   
61  =item --stats  =item --stats
62    
63  disable indexing and dump statistics about field and subfield  disable indexing, modify_* in configuration and dump statistics about field
64  usage for each input  and subfield usage for each input
65    
66  =item --validate path/to/validation_file  =item --validate path/to/validation_file
67    
68  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
69    
70    =item --marc-normalize conf/normalize/mapping.pl
71    
72    This option specifies normalisation file for MARC creation
73    
74    =item --marc-output out/marc/test.marc
75    
76    Optional path to output file
77    
78    =item --marc-lint
79    
80    By default turned on if C<--marc-normalize> is used. You can disable lint
81    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 79  my $clean = 0; Line 108  my $clean = 0;
108  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
109  my $debug = 0;  my $debug = 0;
110  my $only_filter;  my $only_filter;
 my $force_set = 0;  
111  my $stats = 0;  my $stats = 0;
112  my $validate_path;  my $validate_path;
113    my ($marc_normalize, $marc_output);
114    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 90  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,
         "force-set" => \$force_set,  
138          "stats" => \$stats,          "stats" => \$stats,
139          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
140            "marc-normalize=s" => \$marc_normalize,
141            "marc-output=s" => \$marc_output,
142            "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 = ",Dumper($config) if ($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...");          $log->debug("option --stats disables update of indexing engine...");
# Line 118  if ($stats) { Line 179  if ($stats) {
179          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
180  }  }
181    
182    # disable indexing when creating marc
183    $use_indexer = undef if ($marc_normalize);
184    
185  my $total_rows = 0;  my $total_rows = 0;
186  my $start_t = time();  my $start_t = time();
187    
188  my @links;  my @links;
189  my $indexer;  
190    if ($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 ($use_indexer eq 'kinosearch') {
238    
239                          # open KinoSearch                          # open KinoSearch
# Line 157  while (my ($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($0);
# Line 201  while (my ($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 211  while (my ($database, $db_config) = each Line 335  while (my ($database, $db_config) = each
335                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""
336                  );                  );
337    
338                    if ($stats) {
339                            # disable modification of records if --stats is in use
340                            delete($input->{modify_records});
341                            delete($input->{modify_file});
342                    }
343    
344                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
345                          module => $input_module,                          module => $input_module,
346                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->{webpac}->{webpac_encoding},
347                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
348                          offset => $offset,                          offset => $offset,
349                          lookup => $lookup,                          lookup_coderef => sub {
350                                    my $rec = shift || return;
351                                    $lookup->add( $rec );
352                            },
353                          recode => $input->{recode},                          recode => $input->{recode},
354                          stats => $stats,                          stats => $stats,
355                            modify_records => $input->{modify_records},
356                            modify_file => $input->{modify_file},
357                  );                  );
358                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
359    
# Line 228  while (my ($database, $db_config) = each Line 363  while (my ($database, $db_config) = each
363                          %{ $input },                          %{ $input },
364                  );                  );
365    
366                  my $n = new WebPAC::Normalize::XML(                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
367                  #       filter => { 'foo' => sub { shift } },                          @{ $input->{normalize} } : ( $input->{normalize} );
                         db => $db,  
                         lookup_regex => $lookup ? $lookup->regex : undef,  
                         lookup => $lookup,  
                         prefix => $input->{name},  
                 );  
   
                 my $rules;  
                 my $normalize_path = $input->{normalize}->{path};  
368    
369                  if ($force_set) {                  if ($marc_normalize) {
370                          my $new_norm_path = $normalize_path;                          @norm_array = ( {
371                          $new_norm_path =~ s/\.xml$/.pl/;                                  path => $marc_normalize,
372                          if (-e $new_norm_path) {                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
373                                  $log->debug("--force-set replaced $normalize_path with $new_norm_path");                          } );
                                 $normalize_path = $new_norm_path;  
                         } else {  
                                 $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");  
                         }  
374                  }                  }
375    
376                  if ($normalize_path =~ m/\.xml$/i) {                  foreach my $normalize (@norm_array) {
                         $n->open(  
                                 tag => $input->{normalize}->{tag},  
                                 xml_file => $normalize_path,  
                         );  
                 } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {  
                         $n->open_yaml(  
                                 path => $normalize_path,  
                                 tag => $input->{normalize}->{tag},  
                         );  
                 } elsif ($normalize_path =~ m/\.(?:pl)$/i) {  
                         $n = undef;  
                         $log->info("using WebPAC::Normalize::Set to process $normalize_path");  
                         $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";  
                 }  
377    
378                  foreach my $pos ( 0 ... $input_db->size ) {                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
379    
380                          my $row = $input_db->fetch || next;                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );
381    
382                          my $mfn = $row->{'000'}->[0];                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
383    
384                          if (! $mfn || $mfn !~ m#^\d+$#) {                          $log->info("Using $normalize_path for normalization...");
                                 $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                 $mfn = $pos;  
                                 push @{ $row->{'000'} }, $pos;  
                         }  
385    
386                            my $marc = new WebPAC::Output::MARC(
387                                    path => $normalize->{output},
388                                    lint => $marc_lint,
389                                    dump => $marc_dump,
390                            ) if ($normalize->{output});
391    
392                          if ($validate) {                          # reset position in database
393                                  my @errors = $validate->validate_errors( $row );                          $input_db->seek(1);
                                 $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);  
                         }  
394    
395                                                            foreach my $pos ( 0 ... $input_db->size ) {
396                          my $ds;  
397                          if ($n) {                                  my $row = $input_db->fetch || next;
398                                  $ds = $n->data_structure($row);  
399                          } else {                                  my $mfn = $row->{'000'}->[0];
400                                  $ds = WebPAC::Normalize::Set::data_structure(  
401                                    if (! $mfn || $mfn !~ m#^\d+$#) {
402                                            $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
403                                            $mfn = $pos;
404                                            push @{ $row->{'000'} }, $pos;
405                                    }
406    
407    
408                                    if ($validate) {
409                                            if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {
410                                                    $log->error( "MFN $mfn validation error:\n",
411                                                            dump( $errors )
412                                                    );
413                                            }
414                                    }
415    
416                                    my $ds_config = dclone($db_config);
417    
418                                    # default values -> database key
419                                    $ds_config->{_} = $database;
420    
421                                    # current mfn
422                                    $ds_config->{_mfn} = $mfn;
423    
424                                    # attach current input
425                                    $ds_config->{input} = $input;
426    
427                                    my $ds = WebPAC::Normalize::data_structure(
428                                          row => $row,                                          row => $row,
429                                          rules => $rules,                                          rules => $rules,
430                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
431                                            config => $ds_config,
432                                            marc_encoding => 'utf-8',
433                                  );                                  );
434    
435                                  $db->save_ds(                                  $db->save_ds(
# Line 300  while (my ($database, $db_config) = each Line 437  while (my ($database, $db_config) = each
437                                          ds => $ds,                                          ds => $ds,
438                                          prefix => $input->{name},                                          prefix => $input->{name},
439                                  ) if ($ds && !$stats);                                  ) if ($ds && !$stats);
440    
441                                    $indexer->add(
442                                            id => $input->{name} . "/" . $mfn,
443                                            ds => $ds,
444                                            type => $config->{$use_indexer}->{type},
445                                    ) if ($indexer && $ds);
446    
447                                    if ($marc) {
448                                            my $i = 0;
449    
450                                            while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
451                                                    $marc->add(
452                                                            id => $mfn . ( $i ? "/$i" : '' ),
453                                                            fields => $fields,
454                                                            leader => WebPAC::Normalize::marc_leader(),
455                                                            row => $row,
456                                                    );
457                                                    $i++;
458                                            }
459    
460                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
461                                    }
462    
463                                    $total_rows++;
464                          }                          }
465    
466                          $indexer->add(                          if ($validate && defined($validate->all_errors)) {
467                                  id => $input->{name} . "/" . $mfn,                                  my $validate_errors = $validate->all_errors;
                                 ds => $ds,  
                                 type => $config->{$use_indexer}->{type},  
                         ) if ($indexer);  
468    
469                          $total_rows++;                                  $log->info("validation errors:\n", dump( $validate_errors ) );
470                  }                          }
471    
472                            $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
473    
474                            # close MARC file
475                            $marc->finish if ($marc);
476    
477                  $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                  }
478    
479          };          }
480    
481          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
482    
# Line 324  while (my ($database, $db_config) = each Line 487  while (my ($database, $db_config) = each
487                  )                  )
488          );          );
489    
490          #  
491          # add Hyper Estraier links to other databases          # end forked process
492          #          if ($parallel) {
493          if (ref($db_config->{links}) eq 'ARRAY') {                  $log->info("parallel process $$ finished");
494                  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}]");  
                         }  
                 }  
495          }          }
496    
497  }  }
498    
499  foreach my $link (@links) {  if ($parallel) {
500          $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");          # wait all children to finish
501          $indexer->add_link( %{ $link } );          sleep(1) while wait != -1;
502            $log->info("all parallel processes finished");
503    }
504    
505    #
506    # handle links or merge after indexing
507    #
508    
509    if ($merge) {
510            print $estcmd_fh 'sudo /etc/init.d/hyperestraier start',$/;
511            close($estcmd_fh);
512            chmod 0700, $estcmd_path || $log->warn("can't chmod 0700 $estcmd_path: $!");
513            system $estcmd_path;
514    } else {
515            foreach my $link (@links) {
516                    $log->logdie("coderef in link ", Dumper($link), " is ", ref($link), " and not CODE") unless (ref($link) eq 'CODE');
517                    $link->();
518            }
519  }  }
Legend:
Removed from v.529  
changed lines
  Added in v.657
  ViewVC Help
Powered by ViewVC 1.1.26