/[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 547 by dpavlin, Thu Jun 29 23:19:26 2006 UTC revision 706 by dpavlin, Mon Sep 25 14:06:49 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::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 0.06;
16  use YAML qw/LoadFile/;  use WebPAC::Output::MARC;
17    use WebPAC::Config;
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 MARC::Record 2.0;   # need 2.0 for utf-8 encoding see marcpm.sf.net  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 56  path to YAML configuration file Line 60  path to YAML configuration file
60    
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 71  my $offset; Line 105  my $offset;
105  my $limit;  my $limit;
106    
107  my $clean = 0;  my $clean = 0;
108  my $config = 'conf/config.yml';  my $config_path;
109  my $debug = 0;  my $debug = 0;
110  my $only_filter;  my $only_filter;
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  GetOptions(  GetOptions(
123          "limit=i" => \$limit,          "limit=i" => \$limit,
# Line 83  GetOptions( Line 125  GetOptions(
125          "clean" => \$clean,          "clean" => \$clean,
126          "one=s" => \$only_filter,          "one=s" => \$only_filter,
127          "only=s" => \$only_filter,          "only=s" => \$only_filter,
128          "config" => \$config,          "config" => \$config_path,
129          "debug" => \$debug,          "debug+" => \$debug,
130          "stats" => \$stats,          "stats" => \$stats,
131          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
132            "marc-normalize=s" => \$marc_normalize,
133            "marc-output=s" => \$marc_output,
134            "marc-lint!" => \$marc_lint,
135            "marc-dump!" => \$marc_dump,
136            "parallel=i" => \$parallel,
137            "only-links!" => \$only_links,
138            "merge" => \$merge,
139  );  );
140    
141  $config = LoadFile($config);  my $config = new WebPAC::Config( path => $config_path );
142    
143  print "config = ",Dumper($config) if ($debug);  #print "config = ",dump($config) if ($debug);
144    
145  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->databases);
146    
 my $log = _new WebPAC::Common()->_get_logger();  
147  $log->info( "-" x 79 );  $log->info( "-" x 79 );
148    
149    
150    my $estcmd_fh;
151    my $estcmd_path = './estcmd-merge.sh';
152    if ($merge) {
153            open($estcmd_fh, '>', $estcmd_path) || $log->logdie("can't open $estcmd_path: $!");
154            print $estcmd_fh 'cd /data/estraier/_node/ || exit 1',$/;
155            print $estcmd_fh 'sudo /etc/init.d/hyperestraier stop',$/;
156            $log->info("created merge batch file $estcmd_path");
157    }
158    
159    
160  my $validate;  my $validate;
161  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
162          path => $validate_path,          path => $validate_path,
163  ) if ($validate_path);  ) if ($validate_path);
164    
165  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  
166    my $use_indexer = $config->use_indexer;
167  if ($stats) {  if ($stats) {
168          $log->debug("option --stats disables update of indexing engine...");          $log->debug("option --stats disables update of indexing engine...");
169          $use_indexer = undef;          $use_indexer = undef;
# Line 111  if ($stats) { Line 171  if ($stats) {
171          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
172  }  }
173    
174    # disable indexing when creating marc
175    $use_indexer = undef if ($marc_normalize);
176    
177    # parse normalize files and create source files for lookup and normalization
178    
179    my $parser = new WebPAC::Parser( config => $config );
180    
181  my $total_rows = 0;  my $total_rows = 0;
182  my $start_t = time();  my $start_t = time();
183    
184  my @links;  my @links;
 my $indexer;  
185    
186  while (my ($database, $db_config) = each %{ $config->{databases} }) {  if ($parallel) {
187            $log->info("Using $parallel processes for speedup");
188            Proc::Queue::size($parallel);
189    }
190    
191    while (my ($database, $db_config) = each %{ $config->databases }) {
192    
193          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
194          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
195    
196            if ($parallel) {
197                    my $f=fork;
198                    if(defined ($f) and $f==0) {
199                            $log->info("Created processes $$ for speedup");
200                    } else {
201                            next;
202                    }
203            }
204    
205            my $indexer;
206          if ($use_indexer) {          if ($use_indexer) {
207                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");  
208                    my $cfg_name = $use_indexer;
209                    $cfg_name =~ s/\-.*$//;
210    
211                    my $indexer_config = $config->get( $cfg_name ) || $log->logdie("can't find '$cfg_name' 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
222                          use WebPAC::Output::Estraier '0.10';                          use WebPAC::Output::Estraier '0.10';
223                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
224                                    
225                    } elsif ($use_indexer eq 'hyperestraier-native') {
226    
227                            # open Hyper Estraier database
228                            use WebPAC::Output::EstraierNative;
229                            $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
230    
231                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
232    
233                          # open KinoSearch                          # open KinoSearch
# Line 150  while (my ($database, $db_config) = each Line 244  while (my ($database, $db_config) = each
244    
245    
246          #          #
247            # store Hyper Estraier links to other databases
248            #
249            if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
250                    foreach my $link (@{ $db_config->{links} }) {
251                            if ($use_indexer eq 'hyperestraier') {
252                                    if ($merge) {
253                                            print $estcmd_fh 'sudo -u www-data estcmd merge ' . $database . ' ' . $link->{to},$/;
254                                    } else {
255                                            $log->info("saving link $database -> $link->{to} [$link->{credit}]");
256                                            push @links, sub {
257                                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
258                                                    $indexer->add_link(
259                                                            from => $database,
260                                                            to => $link->{to},
261                                                            credit => $link->{credit},
262                                                    );
263                                            };
264                                    }
265                            } else {
266                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
267                            }
268                    }
269            }
270            next if ($only_links);
271    
272    
273            #
274          # now WebPAC::Store          # now WebPAC::Store
275          #          #
276          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
277          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
278    
279          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->get('webpac')->{db_path} . '/' . $database;
280    
281          if ($clean) {          if ($clean) {
282                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 184  while (my ($database, $db_config) = each Line 305  while (my ($database, $db_config) = each
305                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
306          }          }
307    
         my @supported_inputs = keys %{ $config->{webpac}->{inputs} };  
   
308          foreach my $input (@inputs) {          foreach my $input (@inputs) {
309    
310                  next if ($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));
311    
312                  my $type = lc($input->{type});                  my $type = lc($input->{type});
313    
314                  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')));
315    
316                  my $lookup = new WebPAC::Lookup(                  my $input_module = $config->webpac('inputs')->{$type};
                         lookup_file => $input->{lookup},  
                 ) if ($input->{lookup});  
317    
318                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my @lookups = $parser->have_lookup_create($database, $input);
319    
320                  $log->info("working on input '$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",
321                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""                          @lookups ? "lookup ".join(", ", @lookups) : ""
322                  );                  );
323    
324    warn "lookups = ", dump( @lookups );
325    
326                    if ($stats) {
327                            # disable modification of records if --stats is in use
328                            delete($input->{modify_records});
329                            delete($input->{modify_file});
330                    }
331    
332                    warn "parser->depends = ", dump( $parser->{depends} );
333                    warn "depends on: ", dump( $parser->depends($database, $input->{name}) );
334                    warn "lookup_create_rules = ", dump( $parser->lookup_create_rules($database, $input->{name}) );
335                    warn "parser->_lookup_create = ", dump( $parser->{_lookup_create} );
336    
337                    my $lookup;
338    
339                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
340                          module => $input_module,                          module => $input_module,
341                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->webpac('webpac_encoding'),
342                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
343                          offset => $offset,                          offset => $offset,
344                          lookup => $lookup,                          lookup_coderef => sub {
345                                    my $rec = shift || return;
346                                    $lookup->add( $rec );
347                            },
348                          recode => $input->{recode},                          recode => $input->{recode},
349                          stats => $stats,                          stats => $stats,
350                            modify_records => $input->{modify_records},
351                            modify_file => $input->{modify_file},
352                  );                  );
353                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
354    
355                    if (defined( $input->{lookup} )) {
356                            $log->warn("$database/", $input->{name}, " has depriciated lookup definition, removing it...");
357                            delete( $input->{lookup} );
358                    }
359    
360                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
361                          path => $input->{path},                          path => $input->{path},
362                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
363                          %{ $input },                          %{ $input },
364                  );                  );
365    
366                    my $report_fh;
367                    if ($stats || $validate) {
368                            my $path = "out/report/" . $database . '-' . $input->{name} . '.txt';
369                            open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
370    
371                            print $report_fh "Report for database '$database' input '$input->{name}' records ",
372                                    $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
373                            $log->info("Generating report file $path");
374                    }
375    
376                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
377                          @{ $input->{normalize} } : ( $input->{normalize} );                          @{ $input->{normalize} } : ( $input->{normalize} );
378    
379                    if ($marc_normalize) {
380                            @norm_array = ( {
381                                    path => $marc_normalize,
382                                    output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
383                            } );
384                    }
385    
386                  foreach my $normalize (@norm_array) {                  foreach my $normalize (@norm_array) {
387    
388                          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, $db_config) = each Line 393  while (my ($database, $db_config) = each
393    
394                          $log->info("Using $normalize_path for normalization...");                          $log->info("Using $normalize_path for normalization...");
395    
396                          my $marc_fh;                          my $marc = new WebPAC::Output::MARC(
397                          if (my $path = $normalize->{marc21}) {                                  path => $normalize->{output},
398                                  open($marc_fh, '>', $path) ||                                  lint => $marc_lint,
399                                          $log->logdie("can't open MARC output $path: $!");                                  dump => $marc_dump,
400                            ) if ($normalize->{output});
                                 $log->info("Creating MARC export file $path\n");  
                         }  
401    
402                          # reset position in database                          # reset position in database
403                          $input_db->seek(1);                          $input_db->seek(1);
404    
405                            # generate name of config key for indexer (strip everything after -)
406                            my $indexer_config = $use_indexer;
407                            $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
408    
409                          foreach my $pos ( 0 ... $input_db->size ) {                          foreach my $pos ( 0 ... $input_db->size ) {
410    
411                                  my $row = $input_db->fetch || next;                                  my $row = $input_db->fetch || next;
# Line 259  while (my ($database, $db_config) = each Line 420  while (my ($database, $db_config) = each
420    
421    
422                                  if ($validate) {                                  if ($validate) {
423                                          my @errors = $validate->validate_errors( $row );                                          if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {
424                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);                                                  $log->error( "MFN $mfn validation error:\n",
425                                                            $validate->report_error( $errors )
426                                                    );
427                                            }
428                                  }                                  }
429    
430                                                                            my $ds_config = dclone($db_config);
431    
432                                    # default values -> database key
433                                    $ds_config->{_} = $database;
434    
435                                    # current mfn
436                                    $ds_config->{_mfn} = $mfn;
437    
438                                    # attach current input
439                                    $ds_config->{input} = $input;
440    
441                                  my $ds = WebPAC::Normalize::data_structure(                                  my $ds = WebPAC::Normalize::data_structure(
442                                          row => $row,                                          row => $row,
443                                          rules => $rules,                                          rules => $rules,
444                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
445                                            config => $ds_config,
446                                          marc_encoding => 'utf-8',                                          marc_encoding => 'utf-8',
447                                  );                                  );
448    
# Line 280  while (my ($database, $db_config) = each Line 455  while (my ($database, $db_config) = each
455                                  $indexer->add(                                  $indexer->add(
456                                          id => $input->{name} . "/" . $mfn,                                          id => $input->{name} . "/" . $mfn,
457                                          ds => $ds,                                          ds => $ds,
458                                          type => $config->{$use_indexer}->{type},                                          type => $config->get($indexer_config)->{type},
459                                  ) if ($indexer && $ds);                                  ) if ($indexer && $ds);
460    
461                                  if ($marc_fh) {                                  if ($marc) {
462                                          my $marc = new MARC::Record;                                          my $i = 0;
463                                          $marc->encoding( 'utf-8' );  
464                                          $marc->add_fields( WebPAC::Normalize::_get_marc_fields() );                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
465                                          print $marc_fh $marc->as_usmarc;                                                  $marc->add(
466                                                            id => $mfn . ( $i ? "/$i" : '' ),
467                                                            fields => $fields,
468                                                            leader => WebPAC::Normalize::marc_leader(),
469                                                            row => $row,
470                                                    );
471                                                    $i++;
472                                            }
473    
474                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
475                                  }                                  }
476    
477                                  $total_rows++;                                  $total_rows++;
478                          }                          }
479    
480                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                          if ($validate) {
481                                    my $errors = $validate->report;
482                                    if ($errors) {
483                                            $log->info("validation errors:\n$errors\n" );
484                                            print $report_fh "$errors\n" if ($report_fh);
485                                    }
486                            }
487    
488                            if ($stats) {
489                                    my $s = $input_db->stats;
490                                    $log->info("statistics of fields usage:\n$s");
491                                    print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
492                            }
493    
494                          # close MARC file                          # close MARC file
495                          close($marc_fh) if ($marc_fh);                          $marc->finish if ($marc);
496    
497                            # close report
498                            close($report_fh) if ($report_fh)
499                  }                  }
500    
501          }          }
# Line 311  while (my ($database, $db_config) = each Line 509  while (my ($database, $db_config) = each
509                  )                  )
510          );          );
511    
512          #  
513          # add Hyper Estraier links to other databases          # end forked process
514          #          if ($parallel) {
515          if (ref($db_config->{links}) eq 'ARRAY') {                  $log->info("parallel process $$ finished");
516                  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}]");  
                         }  
                 }  
517          }          }
518    
519  }  }
520    
521  foreach my $link (@links) {  if ($parallel) {
522          $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");          # wait all children to finish
523          $indexer->add_link( %{ $link } );          sleep(1) while wait != -1;
524            $log->info("all parallel processes finished");
525    }
526    
527    #
528    # handle links or merge after indexing
529    #
530    
531    if ($merge) {
532            print $estcmd_fh 'sudo /etc/init.d/hyperestraier start',$/;
533            close($estcmd_fh);
534            chmod 0700, $estcmd_path || $log->warn("can't chmod 0700 $estcmd_path: $!");
535            system $estcmd_path;
536    } else {
537            foreach my $link (@links) {
538                    $log->logdie("coderef in link ", Dumper($link), " is ", ref($link), " and not CODE") unless (ref($link) eq 'CODE');
539                    $link->();
540            }
541  }  }
Legend:
Removed from v.547  
changed lines
  Added in v.706
  ViewVC Help
Powered by ViewVC 1.1.26