/[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 546 by dpavlin, Thu Jun 29 22:53:21 2006 UTC revision 699 by dpavlin, Mon Sep 25 12:51:17 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::Parser 0.04;
11  use WebPAC::Input 0.03;  use WebPAC::Lookup 0.03;
12    use WebPAC::Input 0.11;
13  use WebPAC::Store 0.03;  use WebPAC::Store 0.03;
14  use WebPAC::Normalize;  use WebPAC::Normalize 0.11;
15  use WebPAC::Output::TT;  use WebPAC::Output::TT;
16  use WebPAC::Validate;  use WebPAC::Validate 0.06;
17  use YAML qw/LoadFile/;  use WebPAC::Output::MARC;
18    use WebPAC::Config;
19  use Getopt::Long;  use Getopt::Long;
20  use File::Path;  use File::Path;
21  use Time::HiRes qw/time/;  use Time::HiRes qw/time/;
22  use File::Slurp;  use File::Slurp;
23  use MARC::Record 2.0;   # need 2.0 for utf-8 encoding see marcpm.sf.net  use Data::Dump qw/dump/;
24    use Storable qw/dclone/;
25    
26    use Proc::Queue size => 1;
27    use POSIX ":sys_wait_h"; # imports WNOHANG
28    
29  =head1 NAME  =head1 NAME
30    
# Line 56  path to YAML configuration file Line 61  path to YAML configuration file
61    
62  =item --stats  =item --stats
63    
64  disable indexing and dump statistics about field and subfield  disable indexing, modify_* in configuration and dump statistics about field
65  usage for each input  and subfield usage for each input
66    
67  =item --validate path/to/validation_file  =item --validate path/to/validation_file
68    
69  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
70    
71    =item --marc-normalize conf/normalize/mapping.pl
72    
73    This option specifies normalisation file for MARC creation
74    
75    =item --marc-output out/marc/test.marc
76    
77    Optional path to output file
78    
79    =item --marc-lint
80    
81    By default turned on if C<--marc-normalize> is used. You can disable lint
82    messages with C<--no-marc-lint>.
83    
84    =item --marc-dump
85    
86    Force dump or input and marc record for debugging.
87    
88    =item --parallel 4
89    
90    Run databases in parallel (aproximatly same as number of processors in
91    machine if you want to use full load)
92    
93    =item --only-links
94    
95    Create just links
96    
97    =item --merge
98    
99    Create merged index of databases which have links
100    
101  =back  =back
102    
103  =cut  =cut
# Line 71  my $offset; Line 106  my $offset;
106  my $limit;  my $limit;
107    
108  my $clean = 0;  my $clean = 0;
109  my $config = 'conf/config.yml';  my $config_path;
110  my $debug = 0;  my $debug = 0;
111  my $only_filter;  my $only_filter;
112  my $stats = 0;  my $stats = 0;
113  my $validate_path;  my $validate_path;
114    my ($marc_normalize, $marc_output);
115    my $marc_lint = 1;
116    my $marc_dump = 0;
117    my $parallel = 0;
118    my $only_links = 0;
119    my $merge = 0;
120    
121    my $log = _new WebPAC::Common()->_get_logger();
122    
123  GetOptions(  GetOptions(
124          "limit=i" => \$limit,          "limit=i" => \$limit,
# Line 83  GetOptions( Line 126  GetOptions(
126          "clean" => \$clean,          "clean" => \$clean,
127          "one=s" => \$only_filter,          "one=s" => \$only_filter,
128          "only=s" => \$only_filter,          "only=s" => \$only_filter,
129          "config" => \$config,          "config" => \$config_path,
130          "debug" => \$debug,          "debug+" => \$debug,
131          "stats" => \$stats,          "stats" => \$stats,
132          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
133            "marc-normalize=s" => \$marc_normalize,
134            "marc-output=s" => \$marc_output,
135            "marc-lint!" => \$marc_lint,
136            "marc-dump!" => \$marc_dump,
137            "parallel=i" => \$parallel,
138            "only-links!" => \$only_links,
139            "merge" => \$merge,
140  );  );
141    
142  $config = LoadFile($config);  my $config = new WebPAC::Config( path => $config_path );
143    
144  print "config = ",Dumper($config) if ($debug);  #print "config = ",dump($config) if ($debug);
145    
146  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->databases);
147    
 my $log = _new WebPAC::Common()->_get_logger();  
148  $log->info( "-" x 79 );  $log->info( "-" x 79 );
149    
150    
151    my $estcmd_fh;
152    my $estcmd_path = './estcmd-merge.sh';
153    if ($merge) {
154            open($estcmd_fh, '>', $estcmd_path) || $log->logdie("can't open $estcmd_path: $!");
155            print $estcmd_fh 'cd /data/estraier/_node/ || exit 1',$/;
156            print $estcmd_fh 'sudo /etc/init.d/hyperestraier stop',$/;
157            $log->info("created merge batch file $estcmd_path");
158    }
159    
160    
161  my $validate;  my $validate;
162  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
163          path => $validate_path,          path => $validate_path,
164  ) if ($validate_path);  ) if ($validate_path);
165    
166  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  
167    my $use_indexer = $config->use_indexer;
168  if ($stats) {  if ($stats) {
169          $log->debug("option --stats disables update of indexing engine...");          $log->debug("option --stats disables update of indexing engine...");
170          $use_indexer = undef;          $use_indexer = undef;
# Line 111  if ($stats) { Line 172  if ($stats) {
172          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
173  }  }
174    
175    # disable indexing when creating marc
176    $use_indexer = undef if ($marc_normalize);
177    
178    # parse normalize files and create source files for lookup and normalization
179    
180    my $parser = new WebPAC::Parser( config => $config );
181    
182  my $total_rows = 0;  my $total_rows = 0;
183  my $start_t = time();  my $start_t = time();
184    
185  my @links;  my @links;
 my $indexer;  
186    
187  while (my ($database, $db_config) = each %{ $config->{databases} }) {  if ($parallel) {
188            $log->info("Using $parallel processes for speedup");
189            Proc::Queue::size($parallel);
190    }
191    
192    while (my ($database, $db_config) = each %{ $config->databases }) {
193    
194          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
195          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
196    
197            if ($parallel) {
198                    my $f=fork;
199                    if(defined ($f) and $f==0) {
200                            $log->info("Created processes $$ for speedup");
201                    } else {
202                            next;
203                    }
204            }
205    
206            my $indexer;
207          if ($use_indexer) {          if ($use_indexer) {
208                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");  
209                    my $cfg_name = $use_indexer;
210                    $cfg_name =~ s/\-.*$//;
211    
212                    my $indexer_config = $config->get( $cfg_name ) || $log->logdie("can't find '$cfg_name' part in confguration");
213                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
214                  $indexer_config->{clean} = $clean;                  $indexer_config->{clean} = $clean;
215                  $indexer_config->{label} = $db_config->{name};                  $indexer_config->{label} = $db_config->{name};
216    
217                    # force clean if database has links
218                    $indexer_config->{clean} = 1 if ($db_config->{links});
219    
220                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
221    
222                          # open Hyper Estraier database                          # open Hyper Estraier database
223                          use WebPAC::Output::Estraier '0.10';                          use WebPAC::Output::Estraier '0.10';
224                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
225                                    
226                    } elsif ($use_indexer eq 'hyperestraier-native') {
227    
228                            # open Hyper Estraier database
229                            use WebPAC::Output::EstraierNative;
230                            $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
231    
232                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
233    
234                          # open KinoSearch                          # open KinoSearch
# Line 150  while (my ($database, $db_config) = each Line 245  while (my ($database, $db_config) = each
245    
246    
247          #          #
248            # store Hyper Estraier links to other databases
249            #
250            if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
251                    foreach my $link (@{ $db_config->{links} }) {
252                            if ($use_indexer eq 'hyperestraier') {
253                                    if ($merge) {
254                                            print $estcmd_fh 'sudo -u www-data estcmd merge ' . $database . ' ' . $link->{to},$/;
255                                    } else {
256                                            $log->info("saving link $database -> $link->{to} [$link->{credit}]");
257                                            push @links, sub {
258                                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
259                                                    $indexer->add_link(
260                                                            from => $database,
261                                                            to => $link->{to},
262                                                            credit => $link->{credit},
263                                                    );
264                                            };
265                                    }
266                            } else {
267                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
268                            }
269                    }
270            }
271            next if ($only_links);
272    
273    
274            #
275          # now WebPAC::Store          # now WebPAC::Store
276          #          #
277          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
278          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
279    
280          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->get('webpac')->{db_path} . '/' . $database;
281    
282          if ($clean) {          if ($clean) {
283                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 184  while (my ($database, $db_config) = each Line 306  while (my ($database, $db_config) = each
306                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
307          }          }
308    
         my @supported_inputs = keys %{ $config->{webpac}->{inputs} };  
   
309          foreach my $input (@inputs) {          foreach my $input (@inputs) {
310    
311                  next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));                  next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
312    
313                  my $type = lc($input->{type});                  my $type = lc($input->{type});
314    
315                  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(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));
   
                 my $lookup = new WebPAC::Lookup(  
                         lookup_file => $input->{lookup},  
                 ) if ($input->{lookup});  
316    
317                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->webpac('inputs')->{$type};
318    
319                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",
320                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""
321                  );                  );
322    
323                    if ($stats) {
324                            # disable modification of records if --stats is in use
325                            delete($input->{modify_records});
326                            delete($input->{modify_file});
327                    }
328    
329                    warn "parser->depends = ", dump( $parser->{depends} );
330                    warn "depends on: ", dump( $parser->depends($database, $input->{name}) );
331                    warn "lookup_create_rules = ", dump( $parser->lookup_create_rules($database, $input->{name}) );
332                    warn "parser->_lookup_create = ", dump( $parser->{_lookup_create} );
333    
334                    my $lookup;
335    
336                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
337                          module => $input_module,                          module => $input_module,
338                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->webpac('webpac_encoding'),
339                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
340                          offset => $offset,                          offset => $offset,
341                          lookup => $lookup,                          lookup_coderef => sub {
342                                    my $rec = shift || return;
343                                    $lookup->add( $rec );
344                            },
345                          recode => $input->{recode},                          recode => $input->{recode},
346                          stats => $stats,                          stats => $stats,
347                            modify_records => $input->{modify_records},
348                            modify_file => $input->{modify_file},
349                  );                  );
350                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
351    
# Line 221  while (my ($database, $db_config) = each Line 355  while (my ($database, $db_config) = each
355                          %{ $input },                          %{ $input },
356                  );                  );
357    
358                    my $report_fh;
359                    if ($stats || $validate) {
360                            my $path = "out/report/" . $database . '-' . $input->{name} . '.txt';
361                            open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
362    
363                            print $report_fh "Report for database '$database' input '$input->{name}' records ",
364                                    $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
365                            $log->info("Generating report file $path");
366                    }
367    
368                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
369                          @{ $input->{normalize} } : ( $input->{normalize} );                          @{ $input->{normalize} } : ( $input->{normalize} );
370    
371                    if ($marc_normalize) {
372                            @norm_array = ( {
373                                    path => $marc_normalize,
374                                    output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
375                            } );
376                    }
377    
378                  foreach my $normalize (@norm_array) {                  foreach my $normalize (@norm_array) {
379    
380                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
# Line 234  while (my ($database, $db_config) = each Line 385  while (my ($database, $db_config) = each
385    
386                          $log->info("Using $normalize_path for normalization...");                          $log->info("Using $normalize_path for normalization...");
387    
388                          my $marc_fh;                          my $marc = new WebPAC::Output::MARC(
389                          if (my $path = $normalize->{marc21}) {                                  path => $normalize->{output},
390                                  open($marc_fh, '>', $path) ||                                  lint => $marc_lint,
391                                          $log->logdie("can't open MARC output $path: $!");                                  dump => $marc_dump,
392                            ) if ($normalize->{output});
                                 $log->info("Creating MARC export file $path\n");  
                         }  
393    
394                          # reset position in database                          # reset position in database
395                          $input_db->seek(1);                          $input_db->seek(1);
396    
397                            # generate name of config key for indexer (strip everything after -)
398                            my $indexer_config = $use_indexer;
399                            $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
400    
401                          foreach my $pos ( 0 ... $input_db->size ) {                          foreach my $pos ( 0 ... $input_db->size ) {
402    
403                                  my $row = $input_db->fetch || next;                                  my $row = $input_db->fetch || next;
# Line 259  while (my ($database, $db_config) = each Line 412  while (my ($database, $db_config) = each
412    
413    
414                                  if ($validate) {                                  if ($validate) {
415                                          my @errors = $validate->validate_errors( $row );                                          if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {
416                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);                                                  $log->error( "MFN $mfn validation error:\n",
417                                                            $validate->report_error( $errors )
418                                                    );
419                                            }
420                                  }                                  }
421    
422                                                                            my $ds_config = dclone($db_config);
423    
424                                    # default values -> database key
425                                    $ds_config->{_} = $database;
426    
427                                    # current mfn
428                                    $ds_config->{_mfn} = $mfn;
429    
430                                    # attach current input
431                                    $ds_config->{input} = $input;
432    
433                                  my $ds = WebPAC::Normalize::data_structure(                                  my $ds = WebPAC::Normalize::data_structure(
434                                          row => $row,                                          row => $row,
435                                          rules => $rules,                                          rules => $rules,
436                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
437                                            config => $ds_config,
438                                          marc_encoding => 'utf-8',                                          marc_encoding => 'utf-8',
439                                  );                                  );
440    
# Line 280  while (my ($database, $db_config) = each Line 447  while (my ($database, $db_config) = each
447                                  $indexer->add(                                  $indexer->add(
448                                          id => $input->{name} . "/" . $mfn,                                          id => $input->{name} . "/" . $mfn,
449                                          ds => $ds,                                          ds => $ds,
450                                          type => $config->{$use_indexer}->{type},                                          type => $config->get($indexer_config)->{type},
451                                  ) if ($indexer && $ds);                                  ) if ($indexer && $ds);
452    
453                                  if ($marc_fh) {                                  if ($marc) {
454                                          my $marc = new MARC::Record;                                          my $i = 0;
455                                          $marc->encoding( 'utf-8' );  
456                                          $marc->add_fields( WebPAC::Normalize::_get_marc21_fields() );                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
457                                          print $marc_fh $marc->as_usmarc;                                                  $marc->add(
458                                                            id => $mfn . ( $i ? "/$i" : '' ),
459                                                            fields => $fields,
460                                                            leader => WebPAC::Normalize::marc_leader(),
461                                                            row => $row,
462                                                    );
463                                                    $i++;
464                                            }
465    
466                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
467                                  }                                  }
468    
469                                  $total_rows++;                                  $total_rows++;
470                          }                          }
471    
472                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                          if ($validate) {
473                                    my $errors = $validate->report;
474                                    if ($errors) {
475                                            $log->info("validation errors:\n$errors\n" );
476                                            print $report_fh "$errors\n" if ($report_fh);
477                                    }
478                            }
479    
480                            if ($stats) {
481                                    my $s = $input_db->stats;
482                                    $log->info("statistics of fields usage:\n$s");
483                                    print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
484                            }
485    
486                          # close MARC file                          # close MARC file
487                          close($marc_fh) if ($marc_fh);                          $marc->finish if ($marc);
488    
489                            # close report
490                            close($report_fh) if ($report_fh)
491                  }                  }
492    
493          }          }
# Line 311  while (my ($database, $db_config) = each Line 501  while (my ($database, $db_config) = each
501                  )                  )
502          );          );
503    
504          #  
505          # add Hyper Estraier links to other databases          # end forked process
506          #          if ($parallel) {
507          if (ref($db_config->{links}) eq 'ARRAY') {                  $log->info("parallel process $$ finished");
508                  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}]");  
                         }  
                 }  
509          }          }
510    
511  }  }
512    
513  foreach my $link (@links) {  if ($parallel) {
514          $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");          # wait all children to finish
515          $indexer->add_link( %{ $link } );          sleep(1) while wait != -1;
516            $log->info("all parallel processes finished");
517    }
518    
519    #
520    # handle links or merge after indexing
521    #
522    
523    if ($merge) {
524            print $estcmd_fh 'sudo /etc/init.d/hyperestraier start',$/;
525            close($estcmd_fh);
526            chmod 0700, $estcmd_path || $log->warn("can't chmod 0700 $estcmd_path: $!");
527            system $estcmd_path;
528    } else {
529            foreach my $link (@links) {
530                    $log->logdie("coderef in link ", Dumper($link), " is ", ref($link), " and not CODE") unless (ref($link) eq 'CODE');
531                    $link->();
532            }
533  }  }
Legend:
Removed from v.546  
changed lines
  Added in v.699
  ViewVC Help
Powered by ViewVC 1.1.26