Yet more work on record match.
[idzebra-moved-to-github.git] / index / extract.c
index 8464bb4..e65939d 100644 (file)
@@ -4,7 +4,46 @@
  * Sebastian Hammer, Adam Dickmeiss
  *
  * $Log: extract.c,v $
- * Revision 1.15  1995-10-02 15:42:53  adam
+ * Revision 1.28  1995-11-21 09:20:30  adam
+ * Yet more work on record match.
+ *
+ * Revision 1.27  1995/11/20  16:59:45  adam
+ * New update method: the 'old' keys are saved for each records.
+ *
+ * Revision 1.26  1995/11/20  11:56:24  adam
+ * Work on new traversal.
+ *
+ * Revision 1.25  1995/11/16  15:34:54  adam
+ * Uses new record management system in both indexer and server.
+ *
+ * Revision 1.24  1995/11/15  19:13:08  adam
+ * Work on record management.
+ *
+ * Revision 1.23  1995/10/27  14:00:10  adam
+ * Implemented detection of database availability.
+ *
+ * Revision 1.22  1995/10/17  18:02:07  adam
+ * New feature: databases. Implemented as prefix to words in dictionary.
+ *
+ * Revision 1.21  1995/10/10  12:24:38  adam
+ * Temporary sort files are compressed.
+ *
+ * Revision 1.20  1995/10/06  13:52:05  adam
+ * Bug fixes. Handler may abort further scanning.
+ *
+ * Revision 1.19  1995/10/04  12:55:16  adam
+ * Bug fix in ranked search. Use=Any keys inserted.
+ *
+ * Revision 1.18  1995/10/04  09:37:08  quinn
+ * Fixed bug.
+ *
+ * Revision 1.17  1995/10/03  14:28:57  adam
+ * Buffered read in extract works.
+ *
+ * Revision 1.16  1995/10/03  14:28:45  adam
+ * Work on more effecient read handler in extract.
+ *
+ * Revision 1.15  1995/10/02  15:42:53  adam
  * Extract uses file descriptors instead of FILE pointers.
  *
  * Revision 1.14  1995/10/02  15:29:13  adam
 #include <recctrl.h>
 #include "index.h"
 
+#include "recindex.h"
+
 static Dict file_idx;
-static SYSNO sysno_next;
-static int sys_idx_fd = -1;
 
-static int key_cmd;
-static int key_sysno;
+static Records records = NULL;
+
 static char **key_buf;
 static size_t ptr_top;
 static size_t ptr_i;
-static size_t kused;
+static size_t key_buf_used;
 static int key_file_no;
 
 void key_open (int mem)
 {
-    void *file_key;
-
     if (mem < 50000)
         mem = 50000;
     key_buf = xmalloc (mem);
     ptr_top = mem/sizeof(char*);
     ptr_i = 0;
-    kused = 0;
+
+    key_buf_used = 0;
     key_file_no = 0;
 
     if (!(file_idx = dict_open (FNAME_FILE_DICT, 40, 1)))
@@ -93,23 +131,76 @@ void key_open (int mem)
         logf (LOG_FATAL, "dict_open fail of %s", "fileidx");
         exit (1);
     }
-    file_key = dict_lookup (file_idx, ".");
-    if (file_key)
-        memcpy (&sysno_next, (char*)file_key+1, sizeof(sysno_next));
+    assert (!records);
+    records = rec_open (1);
+}
+
+struct encode_info {
+    int  sysno;
+    int  seqno;
+    char buf[512];
+};
+
+void encode_key_init (struct encode_info *i)
+{
+    i->sysno = 0;
+    i->seqno = 0;
+}
+
+char *encode_key_int (int d, char *bp)
+{
+    if (d <= 63)
+        *bp++ = d;
+    else if (d <= 16383)
+    {
+        *bp++ = 64 + (d>>8);
+        *bp++ = d  & 255;
+    }
+    else if (d <= 4194303)
+    {
+        *bp++ = 128 + (d>>16);
+        *bp++ = (d>>8) & 255;
+        *bp++ = d & 255;
+    }
     else
-        sysno_next = 1;
-    if ((sys_idx_fd = open (FNAME_SYS_IDX, O_RDWR|O_CREAT, 0666)) == -1)
     {
-        logf (LOG_FATAL|LOG_ERRNO, "open %s", FNAME_SYS_IDX);
+        *bp++ = 192 + (d>>24);
+        *bp++ = (d>>16) & 255;
+        *bp++ = (d>>8) & 255;
+        *bp++ = d & 255;
+    }
+    return bp;
+}
+
+void encode_key_write (char *k, struct encode_info *i, FILE *outf)
+{
+    struct it_key key;
+    char *bp = i->buf;
+
+    while ((*bp++ = *k++))
+        ;
+    memcpy (&key, k+1, sizeof(struct it_key));
+    bp = encode_key_int ( (key.sysno - i->sysno) * 2 + *k, bp);
+    if (i->sysno != key.sysno)
+    {
+        i->sysno = key.sysno;
+        i->seqno = 0;
+    }
+    bp = encode_key_int (key.seqno - i->seqno, bp);
+    i->seqno = key.seqno;
+    if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
+    {
+        logf (LOG_FATAL|LOG_ERRNO, "fwrite");
         exit (1);
     }
 }
-    
+
 void key_flush (void)
 {
     FILE *outf;
     char out_fname[200];
     char *prevcp, *cp;
+    struct encode_info encode_info;
     
     if (ptr_i <= 0)
         return;
@@ -127,33 +218,19 @@ void key_flush (void)
     logf (LOG_LOG, "writing section %d", key_file_no);
     prevcp = cp = key_buf[ptr_top-ptr_i];
     
-    if (fwrite (cp, strlen (cp)+2+sizeof(struct it_key), 1, outf) != 1)
-    {
-        logf (LOG_FATAL|LOG_ERRNO, "fwrite %s", out_fname);
-        exit (1);
-    }
+    encode_key_init (&encode_info);
+    encode_key_write (cp, &encode_info, outf);
     while (--ptr_i > 0)
     {
         cp = key_buf[ptr_top-ptr_i];
         if (strcmp (cp, prevcp))
         {
-            if (fwrite (cp, strlen (cp)+2+sizeof(struct it_key), 1,
-                        outf) != 1)
-            {
-                logf (LOG_FATAL|LOG_ERRNO, "fwrite %s", out_fname);
-                exit (1);
-            }
+            encode_key_init (&encode_info);
+            encode_key_write (cp, &encode_info, outf);
             prevcp = cp;
         }
         else
-        {
-            cp = strlen (cp) + cp;
-            if (fwrite (cp, 2+sizeof(struct it_key), 1, outf) != 1)
-            {
-                logf (LOG_FATAL|LOG_ERRNO, "fwrite %s", out_fname);
-                exit (1);
-            }
-        }
+            encode_key_write (cp + strlen(cp), &encode_info, outf);
     }
     if (fclose (outf))
     {
@@ -162,16 +239,16 @@ void key_flush (void)
     }
     logf (LOG_LOG, "finished section %d", key_file_no);
     ptr_i = 0;
-    kused = 0;
+    key_buf_used = 0;
 }
 
 int key_close (void)
 {
     key_flush ();
     xfree (key_buf);
-    close (sys_idx_fd);
-    dict_insert (file_idx, ".", sizeof(sysno_next), &sysno_next);
+    rec_close (&records);
     dict_close (file_idx);
+
     return key_file_no;
 }
 
@@ -182,49 +259,261 @@ static void wordInit (RecWord *p)
     p->which = Word_String;
 }
 
+struct recKeys {
+    int buf_used;
+    int buf_max;
+    char *buf;
+} reckeys;
+
+static void addRecordKey (const RecWord *p)
+{
+    char *dst;
+    char attrSet;
+    short attrUse;
+    size_t i;
+
+    if (reckeys.buf_used+1024 > reckeys.buf_max)
+    {
+        char *b;
+
+        b = malloc (reckeys.buf_max += 65000);
+        if (reckeys.buf_used > 0)
+            memcpy (b, reckeys.buf, reckeys.buf_used);
+        free (reckeys.buf);
+        reckeys.buf = b;
+    }
+    dst = reckeys.buf + reckeys.buf_used;
+    switch (p->which)
+    {
+    case Word_String:
+        attrSet = p->attrSet;
+        memcpy (dst, &attrSet, sizeof(attrSet));
+        dst += sizeof(attrSet);
+
+        attrUse = p->attrUse;
+        memcpy (dst, &attrUse, sizeof(attrUse));
+        dst += sizeof(attrUse);
+        
+        for (i = 0; p->u.string[i]; i++)
+            *dst++ = p->u.string[i];
+        *dst++ = '\0';
+
+        memcpy (dst, &p->seqno, sizeof(p->seqno));
+        dst += sizeof(p->seqno);
+
+        break;
+    default:
+        return;
+    }
+    reckeys.buf_used = dst - reckeys.buf;
+}
+
+static void flushRecordKeys (SYSNO sysno, int cmd, struct recKeys *reckeys, 
+                             const char *databaseName)
+{
+    int off = 0;
+    while (off < reckeys->buf_used)
+    {
+        const char *src = reckeys->buf + off;
+        char attrSet;
+        short attrUse;
+        struct it_key key;
+        
+        memcpy (&attrSet, src, sizeof(attrSet));
+        src += sizeof(attrSet);
+
+        memcpy (&attrUse, src, sizeof(attrUse));
+        src += sizeof(attrUse);
+
+        if (key_buf_used + 1024 > (ptr_top-ptr_i)*sizeof(char*))
+            key_flush ();
+        ++ptr_i;
+        key_buf[ptr_top-ptr_i] = (char*)key_buf + key_buf_used;
+        key_buf_used += index_word_prefix ((char*)key_buf + key_buf_used,
+                                           attrSet, attrUse, databaseName);
+        while (*src)
+            ((char*)key_buf) [key_buf_used++] = index_char_cvt (*src++);
+        ((char*)key_buf) [key_buf_used++] = '\0';
+        
+        ((char*) key_buf)[key_buf_used++] = cmd;
+
+        memcpy (&key.seqno, src, sizeof(key.seqno));
+        src += sizeof(key.seqno);
+        key.sysno = sysno;
+        memcpy ((char*)key_buf + key_buf_used, &key, sizeof(key));
+        key_buf_used += sizeof(key);
+        off = src - reckeys->buf;
+    }
+    assert (off = reckeys->buf_used);
+}
+
+#if 0
+static int key_cmd;
+static int key_sysno;
+static const char *key_databaseName;
+static int key_del_max;
+static int key_del_used;
+static char *key_del_buf;
+
 static void wordAdd (const RecWord *p)
 {
     struct it_key key;
     size_t i;
 
-    if (kused + 1024 > (ptr_top-ptr_i)*sizeof(char*))
+    if (key_buf_used + 1024 > (ptr_top-ptr_i)*sizeof(char*))
         key_flush ();
     ++ptr_i;
-    key_buf[ptr_top-ptr_i] = (char*)key_buf + kused;
-    kused += index_word_prefix ((char*)key_buf + kused,
-                                p->attrSet, p->attrUse);
+    key_buf[ptr_top-ptr_i] = (char*)key_buf + key_buf_used;
+    key_buf_used += index_word_prefix ((char*)key_buf + key_buf_used,
+                                p->attrSet, p->attrUse,
+                                key_databaseName);
     switch (p->which)
     {
     case Word_String:
         for (i = 0; p->u.string[i]; i++)
-            ((char*)key_buf) [kused++] = index_char_cvt (p->u.string[i]);
-        ((char*)key_buf) [kused++] = '\0';
+            ((char*)key_buf) [key_buf_used++] =
+                index_char_cvt (p->u.string[i]);
+        ((char*)key_buf) [key_buf_used++] = '\0';
         break;
     default:
         return ;
     }
-    ((char*) key_buf)[kused++] = ((key_cmd == 'a') ? 1 : 0);
+    ((char*) key_buf)[key_buf_used++] = ((key_cmd == 'a') ? 1 : 0);
     key.sysno = key_sysno;
     key.seqno = p->seqno;
-    memcpy ((char*)key_buf + kused, &key, sizeof(key));
-    kused += sizeof(key);
+    memcpy ((char*)key_buf + key_buf_used, &key, sizeof(key));
+    key_buf_used += sizeof(key);
+
+    if (key_cmd == 'a' && key_del_used >= 0)
+    {
+        char attrSet;
+        short attrUse;
+        if (key_del_used + 1024 > key_del_max)
+        {
+            char *kbn;
+            
+            if (!(kbn = malloc (key_del_max += 64000)))
+            {
+                logf (LOG_FATAL, "malloc");
+                exit (1);
+            }
+            if (key_del_buf)
+                memcpy (kbn, key_del_buf, key_del_used);
+            free (key_del_buf);
+            key_del_buf = kbn;
+        }
+        switch (p->which)
+        {
+        case Word_String:
+            for (i = 0; p->u.string[i]; i++)
+                ((char*)key_del_buf) [key_del_used++] = p->u.string[i];
+            ((char*)key_del_buf) [key_del_used++] = '\0';
+            break;
+        default:
+            return ;
+        }
+        attrSet = p->attrSet;
+        memcpy (key_del_buf + key_del_used, &attrSet, sizeof(attrSet));
+        key_del_used += sizeof(attrSet);
+
+        attrUse = p->attrUse;
+        memcpy (key_del_buf + key_del_used, &attrUse, sizeof(attrUse));
+        key_del_used += sizeof(attrUse);
+
+        memcpy (key_del_buf + key_del_used, &p->seqno, sizeof(p->seqno));
+        key_del_used += sizeof(p->seqno);
+    }
+}
+
+#endif
+
+static void addRecordKeyAny (const RecWord *p)
+{
+    if (p->attrSet != 1 || p->attrUse != 1016)
+    {
+        RecWord w;
+
+        memcpy (&w, p, sizeof(w));
+        w.attrSet = 1;
+        w.attrUse = 1016;
+        addRecordKey (&w);
+    }
+    addRecordKey (p);
+}
+
+static char *file_buf;
+static int file_offset;
+static int file_bufsize;
+
+static void file_read_start (int fd)
+{
+    file_offset = 0;
+    file_buf = xmalloc (4096);
+    file_bufsize = read (fd, file_buf, 4096);
+}
+
+static void file_read_stop (int fd)
+{
+    xfree (file_buf);
 }
 
 static int file_read (int fd, char *buf, size_t count)
 {
-    return read (fd, buf, count);
+    int l = file_bufsize - file_offset;
+
+    if (count > l)
+    {
+        int r;
+        if (l > 0)
+            memcpy (buf, file_buf + file_offset, l);
+        count = count-l;
+        if (count > file_bufsize)
+        {
+            if ((r = read (fd, buf + l, count)) == -1)
+            {
+                logf (LOG_FATAL|LOG_ERRNO, "read");
+                exit (1);
+            }
+            file_bufsize = 0;
+            file_offset = 0;
+            return r;
+        }
+        file_bufsize = r = read (fd, file_buf, 4096);
+        if (r == -1)
+        {
+            logf (LOG_FATAL|LOG_ERRNO, "read");
+            exit (1);
+        }
+        else if (r <= count)
+        {
+            file_offset = r;
+            memcpy (buf + l, file_buf, r);
+            return l + r;
+        }
+        else
+        {
+            file_offset = count;
+            memcpy (buf + l, file_buf, count - l);
+            return count;
+        }
+    }
+    memcpy (buf, file_buf + file_offset, count);
+    file_offset += count;
+    return count;
 }
 
-void file_extract (int cmd, const char *fname, const char *kname)
+int fileExtract (SYSNO *sysno, const char *fname, const char *databaseName,
+                 int deleteFlag)
 {
     int i, r;
     char ext[128];
-    SYSNO sysno;
     char ext_res[128];
     const char *file_type;
-    void *file_info;
     struct recExtractCtrl extractCtrl;
     RecType rt;
+    Record rec;
+
+    logf (LOG_DEBUG, "fileExtractAdd %s", fname);
 
     for (i = strlen(fname); --i >= 0; )
         if (fname[i] == '/')
@@ -239,35 +528,72 @@ void file_extract (int cmd, const char *fname, const char *kname)
         }
     sprintf (ext_res, "fileExtension.%s", ext);
     if (!(file_type = res_get (common_resource, ext_res)))
-        return;
+        return 0;
     if (!(rt = recType_byName (file_type)))
-        return;
-    logf (LOG_DEBUG, "%c %s k=%s", cmd, fname, kname);
-    file_info = dict_lookup (file_idx, kname);
-    if (!file_info)
-    {
-        sysno = sysno_next++;
-        dict_insert (file_idx, kname, sizeof(sysno), &sysno);
-        lseek (sys_idx_fd, sysno * SYS_IDX_ENTRY_LEN, SEEK_SET);
-        write (sys_idx_fd, file_type, strlen (file_type)+1);
-        write (sys_idx_fd, kname, strlen(kname)+1);
-    }
-    else
-        memcpy (&sysno, (char*) file_info+1, sizeof(sysno));
+        return 0;
 
     if ((extractCtrl.fd = open (fname, O_RDONLY)) == -1)
     {
         logf (LOG_WARN|LOG_ERRNO, "open %s", fname);
-        return;
+        return 0;
     }
+
     extractCtrl.subType = "";
     extractCtrl.init = wordInit;
-    extractCtrl.add = wordAdd;
+    extractCtrl.add = addRecordKeyAny;
+
+    reckeys.buf_used = 0;
+    file_read_start (extractCtrl.fd);
     extractCtrl.readf = file_read;
-    key_sysno = sysno;
-    key_cmd = cmd;
     r = (*rt->extract)(&extractCtrl);
+    file_read_stop (extractCtrl.fd);
     close (extractCtrl.fd);
-    if (r)
+  
+    if (r)      
+    {
         logf (LOG_WARN, "Couldn't extract file %s, code %d", fname, r);
+        return 0;
+    }
+    if (! *sysno)  /* match criteria */
+    {
+        logf (LOG_LOG, "add record %s", fname);
+        rec = rec_new (records);
+        *sysno = rec->sysno;
+
+        flushRecordKeys (*sysno, 1, &reckeys, databaseName);
+    }
+    else
+    {
+        struct recKeys delkeys;
+        
+        rec = rec_get (records, *sysno);
+
+        delkeys.buf_used = rec->size[2];
+       delkeys.buf = rec->info[2];
+        flushRecordKeys (*sysno, 0, &delkeys, rec->info[3]);
+        flushRecordKeys (*sysno, 1, &reckeys, databaseName); 
+    }
+    free (rec->info[0]);
+    rec->info[0] = rec_strdup (file_type, &rec->size[0]);
+
+    free (rec->info[1]);
+    rec->info[1] = rec_strdup (fname, &rec->size[1]);
+
+    free (rec->info[2]);
+    if (reckeys.buf_used > 0)
+    {
+        rec->info[2] = malloc (reckeys.buf_used);
+        rec->size[2] = reckeys.buf_used;
+        memcpy (rec->info[2], reckeys.buf, rec->size[2]);
+    }
+    else
+    {
+        rec->info[2] = NULL;
+        rec->size[2] = 0;
+    }
+    free (rec->info[3]);
+    rec->info[3] = rec_strdup (databaseName, &rec->size[3]); 
+
+    rec_put (records, &rec);
+    return 1;
 }