mirror of
https://github.com/meilisearch/meilisearch.git
synced 2024-11-22 18:17:39 +08:00
Remove once for all the meilisearch-lib crate
This commit is contained in:
parent
788262e588
commit
4c42130ec7
@ -1,170 +0,0 @@
|
|||||||
use std::borrow::Borrow;
|
|
||||||
use std::fmt::{self, Debug, Display};
|
|
||||||
use std::io::{self, BufReader, Read, Seek, Write};
|
|
||||||
|
|
||||||
use either::Either;
|
|
||||||
use meilisearch_types::error::{Code, ErrorCode};
|
|
||||||
use meilisearch_types::internal_error;
|
|
||||||
use milli::documents::{DocumentsBatchBuilder, Error};
|
|
||||||
use milli::Object;
|
|
||||||
use serde::Deserialize;
|
|
||||||
use serde_json::error::Category;
|
|
||||||
|
|
||||||
type Result<T> = std::result::Result<T, DocumentFormatError>;
|
|
||||||
|
|
||||||
#[derive(Debug)]
|
|
||||||
pub enum PayloadType {
|
|
||||||
Ndjson,
|
|
||||||
Json,
|
|
||||||
Csv,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl fmt::Display for PayloadType {
|
|
||||||
fn fmt(&self, f: &mut fmt::Formatter<'_>) -> fmt::Result {
|
|
||||||
match self {
|
|
||||||
PayloadType::Ndjson => f.write_str("ndjson"),
|
|
||||||
PayloadType::Json => f.write_str("json"),
|
|
||||||
PayloadType::Csv => f.write_str("csv"),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug)]
|
|
||||||
pub enum DocumentFormatError {
|
|
||||||
Internal(Box<dyn std::error::Error + Send + Sync + 'static>),
|
|
||||||
MalformedPayload(Error, PayloadType),
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Display for DocumentFormatError {
|
|
||||||
fn fmt(&self, f: &mut fmt::Formatter<'_>) -> fmt::Result {
|
|
||||||
match self {
|
|
||||||
Self::Internal(e) => write!(f, "An internal error has occurred: `{}`.", e),
|
|
||||||
Self::MalformedPayload(me, b) => match me.borrow() {
|
|
||||||
Error::Json(se) => {
|
|
||||||
let mut message = match se.classify() {
|
|
||||||
Category::Data => {
|
|
||||||
"data are neither an object nor a list of objects".to_string()
|
|
||||||
}
|
|
||||||
_ => se.to_string(),
|
|
||||||
};
|
|
||||||
|
|
||||||
// https://github.com/meilisearch/meilisearch/issues/2107
|
|
||||||
// The user input maybe insanely long. We need to truncate it.
|
|
||||||
let ellipsis = "...";
|
|
||||||
let trim_input_prefix_len = 50;
|
|
||||||
let trim_input_suffix_len = 85;
|
|
||||||
|
|
||||||
if message.len()
|
|
||||||
> trim_input_prefix_len + trim_input_suffix_len + ellipsis.len()
|
|
||||||
{
|
|
||||||
message.replace_range(
|
|
||||||
trim_input_prefix_len..message.len() - trim_input_suffix_len,
|
|
||||||
ellipsis,
|
|
||||||
);
|
|
||||||
}
|
|
||||||
|
|
||||||
write!(
|
|
||||||
f,
|
|
||||||
"The `{}` payload provided is malformed. `Couldn't serialize document value: {}`.",
|
|
||||||
b, message
|
|
||||||
)
|
|
||||||
}
|
|
||||||
_ => write!(f, "The `{}` payload provided is malformed: `{}`.", b, me),
|
|
||||||
},
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl std::error::Error for DocumentFormatError {}
|
|
||||||
|
|
||||||
impl From<(PayloadType, Error)> for DocumentFormatError {
|
|
||||||
fn from((ty, error): (PayloadType, Error)) -> Self {
|
|
||||||
match error {
|
|
||||||
Error::Io(e) => Self::Internal(Box::new(e)),
|
|
||||||
e => Self::MalformedPayload(e, ty),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl ErrorCode for DocumentFormatError {
|
|
||||||
fn error_code(&self) -> Code {
|
|
||||||
match self {
|
|
||||||
DocumentFormatError::Internal(_) => Code::Internal,
|
|
||||||
DocumentFormatError::MalformedPayload(_, _) => Code::MalformedPayload,
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
internal_error!(DocumentFormatError: io::Error);
|
|
||||||
|
|
||||||
/// Reads CSV from input and write an obkv batch to writer.
|
|
||||||
pub fn read_csv(input: impl Read, writer: impl Write + Seek) -> Result<usize> {
|
|
||||||
let mut builder = DocumentsBatchBuilder::new(writer);
|
|
||||||
|
|
||||||
let csv = csv::Reader::from_reader(input);
|
|
||||||
builder.append_csv(csv).map_err(|e| (PayloadType::Csv, e))?;
|
|
||||||
|
|
||||||
let count = builder.documents_count();
|
|
||||||
let _ = builder
|
|
||||||
.into_inner()
|
|
||||||
.map_err(Into::into)
|
|
||||||
.map_err(DocumentFormatError::Internal)?;
|
|
||||||
|
|
||||||
Ok(count as usize)
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Reads JSON Lines from input and write an obkv batch to writer.
|
|
||||||
pub fn read_ndjson(input: impl Read, writer: impl Write + Seek) -> Result<usize> {
|
|
||||||
let mut builder = DocumentsBatchBuilder::new(writer);
|
|
||||||
let reader = BufReader::new(input);
|
|
||||||
|
|
||||||
for result in serde_json::Deserializer::from_reader(reader).into_iter() {
|
|
||||||
let object = result
|
|
||||||
.map_err(Error::Json)
|
|
||||||
.map_err(|e| (PayloadType::Ndjson, e))?;
|
|
||||||
builder
|
|
||||||
.append_json_object(&object)
|
|
||||||
.map_err(Into::into)
|
|
||||||
.map_err(DocumentFormatError::Internal)?;
|
|
||||||
}
|
|
||||||
|
|
||||||
let count = builder.documents_count();
|
|
||||||
let _ = builder
|
|
||||||
.into_inner()
|
|
||||||
.map_err(Into::into)
|
|
||||||
.map_err(DocumentFormatError::Internal)?;
|
|
||||||
|
|
||||||
Ok(count as usize)
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Reads JSON from input and write an obkv batch to writer.
|
|
||||||
pub fn read_json(input: impl Read, writer: impl Write + Seek) -> Result<usize> {
|
|
||||||
let mut builder = DocumentsBatchBuilder::new(writer);
|
|
||||||
let reader = BufReader::new(input);
|
|
||||||
|
|
||||||
#[derive(Deserialize, Debug)]
|
|
||||||
#[serde(transparent)]
|
|
||||||
struct ArrayOrSingleObject {
|
|
||||||
#[serde(with = "either::serde_untagged")]
|
|
||||||
inner: Either<Vec<Object>, Object>,
|
|
||||||
}
|
|
||||||
|
|
||||||
let content: ArrayOrSingleObject = serde_json::from_reader(reader)
|
|
||||||
.map_err(Error::Json)
|
|
||||||
.map_err(|e| (PayloadType::Json, e))?;
|
|
||||||
|
|
||||||
for object in content.inner.map_right(|o| vec![o]).into_inner() {
|
|
||||||
builder
|
|
||||||
.append_json_object(&object)
|
|
||||||
.map_err(Into::into)
|
|
||||||
.map_err(DocumentFormatError::Internal)?;
|
|
||||||
}
|
|
||||||
|
|
||||||
let count = builder.documents_count();
|
|
||||||
let _ = builder
|
|
||||||
.into_inner()
|
|
||||||
.map_err(Into::into)
|
|
||||||
.map_err(DocumentFormatError::Internal)?;
|
|
||||||
|
|
||||||
Ok(count as usize)
|
|
||||||
}
|
|
@ -1,152 +0,0 @@
|
|||||||
use anyhow::bail;
|
|
||||||
use meilisearch_types::error::Code;
|
|
||||||
use milli::update::IndexDocumentsMethod;
|
|
||||||
use serde::{Deserialize, Serialize};
|
|
||||||
use time::OffsetDateTime;
|
|
||||||
use uuid::Uuid;
|
|
||||||
|
|
||||||
use crate::index::{Settings, Unchecked};
|
|
||||||
|
|
||||||
#[derive(Serialize, Deserialize)]
|
|
||||||
pub struct UpdateEntry {
|
|
||||||
pub uuid: Uuid,
|
|
||||||
pub update: UpdateStatus,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Clone, Serialize, Deserialize)]
|
|
||||||
pub enum UpdateFormat {
|
|
||||||
Json,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize, Clone)]
|
|
||||||
pub struct DocumentAdditionResult {
|
|
||||||
pub nb_documents: usize,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Clone, Serialize, Deserialize)]
|
|
||||||
pub enum UpdateResult {
|
|
||||||
DocumentsAddition(DocumentAdditionResult),
|
|
||||||
DocumentDeletion { deleted: u64 },
|
|
||||||
Other,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[allow(clippy::large_enum_variant)]
|
|
||||||
#[derive(Debug, Clone, Serialize, Deserialize)]
|
|
||||||
#[serde(tag = "type")]
|
|
||||||
pub enum UpdateMeta {
|
|
||||||
DocumentsAddition {
|
|
||||||
method: IndexDocumentsMethod,
|
|
||||||
format: UpdateFormat,
|
|
||||||
primary_key: Option<String>,
|
|
||||||
},
|
|
||||||
ClearDocuments,
|
|
||||||
DeleteDocuments {
|
|
||||||
ids: Vec<String>,
|
|
||||||
},
|
|
||||||
Settings(Settings<Unchecked>),
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize, Clone)]
|
|
||||||
#[serde(rename_all = "camelCase")]
|
|
||||||
pub struct Enqueued {
|
|
||||||
pub update_id: u64,
|
|
||||||
pub meta: UpdateMeta,
|
|
||||||
#[serde(with = "time::serde::rfc3339")]
|
|
||||||
pub enqueued_at: OffsetDateTime,
|
|
||||||
pub content: Option<Uuid>,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize, Clone)]
|
|
||||||
#[serde(rename_all = "camelCase")]
|
|
||||||
pub struct Processed {
|
|
||||||
pub success: UpdateResult,
|
|
||||||
#[serde(with = "time::serde::rfc3339")]
|
|
||||||
pub processed_at: OffsetDateTime,
|
|
||||||
#[serde(flatten)]
|
|
||||||
pub from: Processing,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize, Clone)]
|
|
||||||
#[serde(rename_all = "camelCase")]
|
|
||||||
pub struct Processing {
|
|
||||||
#[serde(flatten)]
|
|
||||||
pub from: Enqueued,
|
|
||||||
#[serde(with = "time::serde::rfc3339")]
|
|
||||||
pub started_processing_at: OffsetDateTime,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize, Clone)]
|
|
||||||
#[serde(rename_all = "camelCase")]
|
|
||||||
pub struct Aborted {
|
|
||||||
#[serde(flatten)]
|
|
||||||
pub from: Enqueued,
|
|
||||||
#[serde(with = "time::serde::rfc3339")]
|
|
||||||
pub aborted_at: OffsetDateTime,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize)]
|
|
||||||
#[serde(rename_all = "camelCase")]
|
|
||||||
pub struct Failed {
|
|
||||||
#[serde(flatten)]
|
|
||||||
pub from: Processing,
|
|
||||||
pub error: ResponseError,
|
|
||||||
#[serde(with = "time::serde::rfc3339")]
|
|
||||||
pub failed_at: OffsetDateTime,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize)]
|
|
||||||
#[serde(tag = "status", rename_all = "camelCase")]
|
|
||||||
pub enum UpdateStatus {
|
|
||||||
Processing(Processing),
|
|
||||||
Enqueued(Enqueued),
|
|
||||||
Processed(Processed),
|
|
||||||
Aborted(Aborted),
|
|
||||||
Failed(Failed),
|
|
||||||
}
|
|
||||||
|
|
||||||
type StatusCode = ();
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize, Clone)]
|
|
||||||
#[serde(rename_all = "camelCase")]
|
|
||||||
pub struct ResponseError {
|
|
||||||
#[serde(skip)]
|
|
||||||
pub code: StatusCode,
|
|
||||||
pub message: String,
|
|
||||||
pub error_code: String,
|
|
||||||
pub error_type: String,
|
|
||||||
pub error_link: String,
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn error_code_from_str(s: &str) -> anyhow::Result<Code> {
|
|
||||||
let code = match s {
|
|
||||||
"index_creation_failed" => Code::CreateIndex,
|
|
||||||
"index_already_exists" => Code::IndexAlreadyExists,
|
|
||||||
"index_not_found" => Code::IndexNotFound,
|
|
||||||
"invalid_index_uid" => Code::InvalidIndexUid,
|
|
||||||
"invalid_state" => Code::InvalidState,
|
|
||||||
"missing_primary_key" => Code::MissingPrimaryKey,
|
|
||||||
"primary_key_already_present" => Code::PrimaryKeyAlreadyPresent,
|
|
||||||
"invalid_request" => Code::InvalidRankingRule,
|
|
||||||
"max_fields_limit_exceeded" => Code::MaxFieldsLimitExceeded,
|
|
||||||
"missing_document_id" => Code::MissingDocumentId,
|
|
||||||
"invalid_facet" => Code::Filter,
|
|
||||||
"invalid_filter" => Code::Filter,
|
|
||||||
"invalid_sort" => Code::Sort,
|
|
||||||
"bad_parameter" => Code::BadParameter,
|
|
||||||
"bad_request" => Code::BadRequest,
|
|
||||||
"document_not_found" => Code::DocumentNotFound,
|
|
||||||
"internal" => Code::Internal,
|
|
||||||
"invalid_geo_field" => Code::InvalidGeoField,
|
|
||||||
"invalid_token" => Code::InvalidToken,
|
|
||||||
"missing_authorization_header" => Code::MissingAuthorizationHeader,
|
|
||||||
"payload_too_large" => Code::PayloadTooLarge,
|
|
||||||
"unretrievable_document" => Code::RetrieveDocument,
|
|
||||||
"search_error" => Code::SearchDocuments,
|
|
||||||
"unsupported_media_type" => Code::UnsupportedMediaType,
|
|
||||||
"dump_already_in_progress" => Code::DumpAlreadyInProgress,
|
|
||||||
"dump_process_failed" => Code::DumpProcessFailed,
|
|
||||||
_ => bail!("unknown error code."),
|
|
||||||
};
|
|
||||||
|
|
||||||
Ok(code)
|
|
||||||
}
|
|
@ -1,103 +0,0 @@
|
|||||||
use std::fs::{self, create_dir_all, File};
|
|
||||||
use std::io::{BufReader, Write};
|
|
||||||
use std::path::Path;
|
|
||||||
|
|
||||||
use fs_extra::dir::{self, CopyOptions};
|
|
||||||
use log::info;
|
|
||||||
use serde_json::{Deserializer, Map, Value};
|
|
||||||
use tempfile::tempdir;
|
|
||||||
use uuid::Uuid;
|
|
||||||
|
|
||||||
use crate::dump::{compat, Metadata};
|
|
||||||
use crate::options::IndexerOpts;
|
|
||||||
use crate::tasks::task::Task;
|
|
||||||
|
|
||||||
pub fn load_dump(
|
|
||||||
meta: Metadata,
|
|
||||||
src: impl AsRef<Path>,
|
|
||||||
dst: impl AsRef<Path>,
|
|
||||||
index_db_size: usize,
|
|
||||||
meta_env_size: usize,
|
|
||||||
indexing_options: &IndexerOpts,
|
|
||||||
) -> anyhow::Result<()> {
|
|
||||||
info!("Patching dump V4 to dump V5...");
|
|
||||||
|
|
||||||
let patched_dir = tempdir()?;
|
|
||||||
let options = CopyOptions::default();
|
|
||||||
|
|
||||||
// Indexes
|
|
||||||
dir::copy(src.as_ref().join("indexes"), &patched_dir, &options)?;
|
|
||||||
|
|
||||||
// Index uuids
|
|
||||||
dir::copy(src.as_ref().join("index_uuids"), &patched_dir, &options)?;
|
|
||||||
|
|
||||||
// Metadata
|
|
||||||
fs::copy(
|
|
||||||
src.as_ref().join("metadata.json"),
|
|
||||||
patched_dir.path().join("metadata.json"),
|
|
||||||
)?;
|
|
||||||
|
|
||||||
// Updates
|
|
||||||
patch_updates(&src, &patched_dir)?;
|
|
||||||
|
|
||||||
// Keys
|
|
||||||
patch_keys(&src, &patched_dir)?;
|
|
||||||
|
|
||||||
super::v5::load_dump(
|
|
||||||
meta,
|
|
||||||
&patched_dir,
|
|
||||||
dst,
|
|
||||||
index_db_size,
|
|
||||||
meta_env_size,
|
|
||||||
indexing_options,
|
|
||||||
)
|
|
||||||
}
|
|
||||||
|
|
||||||
fn patch_updates(src: impl AsRef<Path>, dst: impl AsRef<Path>) -> anyhow::Result<()> {
|
|
||||||
let updates_path = src.as_ref().join("updates/data.jsonl");
|
|
||||||
let output_updates_path = dst.as_ref().join("updates/data.jsonl");
|
|
||||||
create_dir_all(output_updates_path.parent().unwrap())?;
|
|
||||||
let updates_file = File::open(updates_path)?;
|
|
||||||
let mut output_update_file = File::create(output_updates_path)?;
|
|
||||||
|
|
||||||
serde_json::Deserializer::from_reader(updates_file)
|
|
||||||
.into_iter::<compat::v4::Task>()
|
|
||||||
.try_for_each(|task| -> anyhow::Result<()> {
|
|
||||||
let task: Task = task?.into();
|
|
||||||
|
|
||||||
serde_json::to_writer(&mut output_update_file, &task)?;
|
|
||||||
output_update_file.write_all(b"\n")?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
})?;
|
|
||||||
|
|
||||||
output_update_file.flush()?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn patch_keys(src: impl AsRef<Path>, dst: impl AsRef<Path>) -> anyhow::Result<()> {
|
|
||||||
let keys_file_src = src.as_ref().join("keys");
|
|
||||||
|
|
||||||
if !keys_file_src.exists() {
|
|
||||||
return Ok(());
|
|
||||||
}
|
|
||||||
|
|
||||||
fs::create_dir_all(&dst)?;
|
|
||||||
let keys_file_dst = dst.as_ref().join("keys");
|
|
||||||
let mut writer = File::create(&keys_file_dst)?;
|
|
||||||
|
|
||||||
let reader = BufReader::new(File::open(&keys_file_src)?);
|
|
||||||
for key in Deserializer::from_reader(reader).into_iter() {
|
|
||||||
let mut key: Map<String, Value> = key?;
|
|
||||||
|
|
||||||
// generate a new uuid v4 and insert it in the key.
|
|
||||||
let uid = serde_json::to_value(Uuid::new_v4()).unwrap();
|
|
||||||
key.insert("uid".to_string(), uid);
|
|
||||||
|
|
||||||
serde_json::to_writer(&mut writer, &key)?;
|
|
||||||
writer.write_all(b"\n")?;
|
|
||||||
}
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
@ -1,161 +0,0 @@
|
|||||||
use std::fs::{create_dir_all, File};
|
|
||||||
use std::io::{BufReader, Seek, SeekFrom, Write};
|
|
||||||
use std::path::Path;
|
|
||||||
|
|
||||||
use anyhow::Context;
|
|
||||||
use indexmap::IndexMap;
|
|
||||||
use milli::documents::DocumentsBatchReader;
|
|
||||||
use milli::heed::{EnvOpenOptions, RoTxn};
|
|
||||||
use milli::update::{IndexDocumentsConfig, IndexerConfig};
|
|
||||||
use serde::{Deserialize, Serialize};
|
|
||||||
|
|
||||||
use crate::document_formats::read_ndjson;
|
|
||||||
use crate::index::updates::apply_settings_to_builder;
|
|
||||||
|
|
||||||
use super::error::Result;
|
|
||||||
use super::{index::Index, Settings, Unchecked};
|
|
||||||
|
|
||||||
#[derive(Serialize, Deserialize)]
|
|
||||||
struct DumpMeta {
|
|
||||||
settings: Settings<Unchecked>,
|
|
||||||
primary_key: Option<String>,
|
|
||||||
}
|
|
||||||
|
|
||||||
const META_FILE_NAME: &str = "meta.json";
|
|
||||||
const DATA_FILE_NAME: &str = "documents.jsonl";
|
|
||||||
|
|
||||||
impl Index {
|
|
||||||
pub fn dump(&self, path: impl AsRef<Path>) -> Result<()> {
|
|
||||||
// acquire write txn make sure any ongoing write is finished before we start.
|
|
||||||
let txn = self.write_txn()?;
|
|
||||||
let path = path.as_ref().join(format!("indexes/{}", self.uuid));
|
|
||||||
|
|
||||||
create_dir_all(&path)?;
|
|
||||||
|
|
||||||
self.dump_documents(&txn, &path)?;
|
|
||||||
self.dump_meta(&txn, &path)?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn dump_documents(&self, txn: &RoTxn, path: impl AsRef<Path>) -> Result<()> {
|
|
||||||
let document_file_path = path.as_ref().join(DATA_FILE_NAME);
|
|
||||||
let mut document_file = File::create(&document_file_path)?;
|
|
||||||
|
|
||||||
let documents = self.all_documents(txn)?;
|
|
||||||
let fields_ids_map = self.fields_ids_map(txn)?;
|
|
||||||
|
|
||||||
// dump documents
|
|
||||||
let mut json_map = IndexMap::new();
|
|
||||||
for document in documents {
|
|
||||||
let (_, reader) = document?;
|
|
||||||
|
|
||||||
for (fid, bytes) in reader.iter() {
|
|
||||||
if let Some(name) = fields_ids_map.name(fid) {
|
|
||||||
json_map.insert(name, serde_json::from_slice::<serde_json::Value>(bytes)?);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
serde_json::to_writer(&mut document_file, &json_map)?;
|
|
||||||
document_file.write_all(b"\n")?;
|
|
||||||
|
|
||||||
json_map.clear();
|
|
||||||
}
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn dump_meta(&self, txn: &RoTxn, path: impl AsRef<Path>) -> Result<()> {
|
|
||||||
let meta_file_path = path.as_ref().join(META_FILE_NAME);
|
|
||||||
let mut meta_file = File::create(&meta_file_path)?;
|
|
||||||
|
|
||||||
let settings = self.settings_txn(txn)?.into_unchecked();
|
|
||||||
let primary_key = self.primary_key(txn)?.map(String::from);
|
|
||||||
let meta = DumpMeta {
|
|
||||||
settings,
|
|
||||||
primary_key,
|
|
||||||
};
|
|
||||||
|
|
||||||
serde_json::to_writer(&mut meta_file, &meta)?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn load_dump(
|
|
||||||
src: impl AsRef<Path>,
|
|
||||||
dst: impl AsRef<Path>,
|
|
||||||
size: usize,
|
|
||||||
indexer_config: &IndexerConfig,
|
|
||||||
) -> anyhow::Result<()> {
|
|
||||||
let dir_name = src
|
|
||||||
.as_ref()
|
|
||||||
.file_name()
|
|
||||||
.with_context(|| format!("invalid dump index: {}", src.as_ref().display()))?;
|
|
||||||
|
|
||||||
let dst_dir_path = dst.as_ref().join("indexes").join(dir_name);
|
|
||||||
create_dir_all(&dst_dir_path)?;
|
|
||||||
|
|
||||||
let meta_path = src.as_ref().join(META_FILE_NAME);
|
|
||||||
let meta_file = File::open(meta_path)?;
|
|
||||||
let DumpMeta {
|
|
||||||
settings,
|
|
||||||
primary_key,
|
|
||||||
} = serde_json::from_reader(meta_file)?;
|
|
||||||
let settings = settings.check();
|
|
||||||
|
|
||||||
let mut options = EnvOpenOptions::new();
|
|
||||||
options.map_size(size);
|
|
||||||
options.max_readers(1024);
|
|
||||||
let index = milli::Index::new(options, &dst_dir_path)?;
|
|
||||||
|
|
||||||
let mut txn = index.write_txn()?;
|
|
||||||
|
|
||||||
// Apply settings first
|
|
||||||
let mut builder = milli::update::Settings::new(&mut txn, &index, indexer_config);
|
|
||||||
|
|
||||||
if let Some(primary_key) = primary_key {
|
|
||||||
builder.set_primary_key(primary_key);
|
|
||||||
}
|
|
||||||
|
|
||||||
apply_settings_to_builder(&settings, &mut builder);
|
|
||||||
|
|
||||||
builder.execute(|_| ())?;
|
|
||||||
|
|
||||||
let document_file_path = src.as_ref().join(DATA_FILE_NAME);
|
|
||||||
let reader = BufReader::new(File::open(&document_file_path)?);
|
|
||||||
|
|
||||||
let mut tmp_doc_file = tempfile::tempfile()?;
|
|
||||||
|
|
||||||
let empty = match read_ndjson(reader, &mut tmp_doc_file) {
|
|
||||||
// if there was no document in the file it's because the index was empty
|
|
||||||
Ok(0) => true,
|
|
||||||
Ok(_) => false,
|
|
||||||
Err(e) => return Err(e.into()),
|
|
||||||
};
|
|
||||||
|
|
||||||
if !empty {
|
|
||||||
tmp_doc_file.seek(SeekFrom::Start(0))?;
|
|
||||||
|
|
||||||
let documents_reader = DocumentsBatchReader::from_reader(tmp_doc_file)?;
|
|
||||||
|
|
||||||
//If the document file is empty, we don't perform the document addition, to prevent
|
|
||||||
//a primary key error to be thrown.
|
|
||||||
let config = IndexDocumentsConfig::default();
|
|
||||||
let builder = milli::update::IndexDocuments::new(
|
|
||||||
&mut txn,
|
|
||||||
&index,
|
|
||||||
indexer_config,
|
|
||||||
config,
|
|
||||||
|_| (),
|
|
||||||
)?;
|
|
||||||
let (builder, user_error) = builder.add_documents(documents_reader)?;
|
|
||||||
user_error?;
|
|
||||||
builder.execute()?;
|
|
||||||
}
|
|
||||||
|
|
||||||
txn.commit()?;
|
|
||||||
index.prepare_for_closing().wait();
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
}
|
|
@ -1,333 +0,0 @@
|
|||||||
use std::collections::BTreeSet;
|
|
||||||
use std::fs::create_dir_all;
|
|
||||||
use std::marker::PhantomData;
|
|
||||||
use std::ops::Deref;
|
|
||||||
use std::path::Path;
|
|
||||||
use std::sync::Arc;
|
|
||||||
|
|
||||||
use fst::IntoStreamer;
|
|
||||||
use milli::heed::{CompactionOption, EnvOpenOptions, RoTxn};
|
|
||||||
use milli::update::{IndexerConfig, Setting};
|
|
||||||
use milli::{obkv_to_json, FieldDistribution, DEFAULT_VALUES_PER_FACET};
|
|
||||||
use serde::{Deserialize, Serialize};
|
|
||||||
use serde_json::{Map, Value};
|
|
||||||
use time::OffsetDateTime;
|
|
||||||
use uuid::Uuid;
|
|
||||||
use walkdir::WalkDir;
|
|
||||||
|
|
||||||
use crate::index::search::DEFAULT_PAGINATION_MAX_TOTAL_HITS;
|
|
||||||
|
|
||||||
use super::error::IndexError;
|
|
||||||
use super::error::Result;
|
|
||||||
use super::updates::{FacetingSettings, MinWordSizeTyposSetting, PaginationSettings, TypoSettings};
|
|
||||||
use super::{Checked, Settings};
|
|
||||||
|
|
||||||
pub type Document = Map<String, Value>;
|
|
||||||
|
|
||||||
#[derive(Debug, Serialize, Deserialize, Clone)]
|
|
||||||
#[serde(rename_all = "camelCase")]
|
|
||||||
pub struct IndexMeta {
|
|
||||||
#[serde(with = "time::serde::rfc3339")]
|
|
||||||
pub created_at: OffsetDateTime,
|
|
||||||
#[serde(with = "time::serde::rfc3339")]
|
|
||||||
pub updated_at: OffsetDateTime,
|
|
||||||
pub primary_key: Option<String>,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl IndexMeta {
|
|
||||||
pub fn new(index: &Index) -> Result<Self> {
|
|
||||||
let txn = index.read_txn()?;
|
|
||||||
Self::new_txn(index, &txn)
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn new_txn(index: &Index, txn: &milli::heed::RoTxn) -> Result<Self> {
|
|
||||||
let created_at = index.created_at(txn)?;
|
|
||||||
let updated_at = index.updated_at(txn)?;
|
|
||||||
let primary_key = index.primary_key(txn)?.map(String::from);
|
|
||||||
Ok(Self {
|
|
||||||
created_at,
|
|
||||||
updated_at,
|
|
||||||
primary_key,
|
|
||||||
})
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Serialize, Debug)]
|
|
||||||
#[serde(rename_all = "camelCase")]
|
|
||||||
pub struct IndexStats {
|
|
||||||
#[serde(skip)]
|
|
||||||
pub size: u64,
|
|
||||||
pub number_of_documents: u64,
|
|
||||||
/// Whether the current index is performing an update. It is initially `None` when the
|
|
||||||
/// index returns it, since it is the `UpdateStore` that knows what index is currently indexing. It is
|
|
||||||
/// later set to either true or false, we we retrieve the information from the `UpdateStore`
|
|
||||||
pub is_indexing: Option<bool>,
|
|
||||||
pub field_distribution: FieldDistribution,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Clone, derivative::Derivative)]
|
|
||||||
#[derivative(Debug)]
|
|
||||||
pub struct Index {
|
|
||||||
pub uuid: Uuid,
|
|
||||||
#[derivative(Debug = "ignore")]
|
|
||||||
pub inner: Arc<milli::Index>,
|
|
||||||
#[derivative(Debug = "ignore")]
|
|
||||||
pub indexer_config: Arc<IndexerConfig>,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Deref for Index {
|
|
||||||
type Target = milli::Index;
|
|
||||||
|
|
||||||
fn deref(&self) -> &Self::Target {
|
|
||||||
self.inner.as_ref()
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Index {
|
|
||||||
pub fn open(
|
|
||||||
path: impl AsRef<Path>,
|
|
||||||
size: usize,
|
|
||||||
uuid: Uuid,
|
|
||||||
update_handler: Arc<IndexerConfig>,
|
|
||||||
) -> Result<Self> {
|
|
||||||
log::debug!("opening index in {}", path.as_ref().display());
|
|
||||||
create_dir_all(&path)?;
|
|
||||||
let mut options = EnvOpenOptions::new();
|
|
||||||
options.map_size(size);
|
|
||||||
options.max_readers(1024);
|
|
||||||
let inner = Arc::new(milli::Index::new(options, &path)?);
|
|
||||||
Ok(Index {
|
|
||||||
inner,
|
|
||||||
uuid,
|
|
||||||
indexer_config: update_handler,
|
|
||||||
})
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Asynchronously close the underlying index
|
|
||||||
pub fn close(self) {
|
|
||||||
self.inner.as_ref().clone().prepare_for_closing();
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn stats(&self) -> Result<IndexStats> {
|
|
||||||
let rtxn = self.read_txn()?;
|
|
||||||
|
|
||||||
Ok(IndexStats {
|
|
||||||
size: self.size(),
|
|
||||||
number_of_documents: self.number_of_documents(&rtxn)?,
|
|
||||||
is_indexing: None,
|
|
||||||
field_distribution: self.field_distribution(&rtxn)?,
|
|
||||||
})
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn meta(&self) -> Result<IndexMeta> {
|
|
||||||
IndexMeta::new(self)
|
|
||||||
}
|
|
||||||
pub fn settings(&self) -> Result<Settings<Checked>> {
|
|
||||||
let txn = self.read_txn()?;
|
|
||||||
self.settings_txn(&txn)
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn uuid(&self) -> Uuid {
|
|
||||||
self.uuid
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn settings_txn(&self, txn: &RoTxn) -> Result<Settings<Checked>> {
|
|
||||||
let displayed_attributes = self
|
|
||||||
.displayed_fields(txn)?
|
|
||||||
.map(|fields| fields.into_iter().map(String::from).collect());
|
|
||||||
|
|
||||||
let searchable_attributes = self
|
|
||||||
.user_defined_searchable_fields(txn)?
|
|
||||||
.map(|fields| fields.into_iter().map(String::from).collect());
|
|
||||||
|
|
||||||
let filterable_attributes = self.filterable_fields(txn)?.into_iter().collect();
|
|
||||||
|
|
||||||
let sortable_attributes = self.sortable_fields(txn)?.into_iter().collect();
|
|
||||||
|
|
||||||
let criteria = self
|
|
||||||
.criteria(txn)?
|
|
||||||
.into_iter()
|
|
||||||
.map(|c| c.to_string())
|
|
||||||
.collect();
|
|
||||||
|
|
||||||
let stop_words = self
|
|
||||||
.stop_words(txn)?
|
|
||||||
.map(|stop_words| -> Result<BTreeSet<_>> {
|
|
||||||
Ok(stop_words.stream().into_strs()?.into_iter().collect())
|
|
||||||
})
|
|
||||||
.transpose()?
|
|
||||||
.unwrap_or_default();
|
|
||||||
let distinct_field = self.distinct_field(txn)?.map(String::from);
|
|
||||||
|
|
||||||
// in milli each word in the synonyms map were split on their separator. Since we lost
|
|
||||||
// this information we are going to put space between words.
|
|
||||||
let synonyms = self
|
|
||||||
.synonyms(txn)?
|
|
||||||
.iter()
|
|
||||||
.map(|(key, values)| {
|
|
||||||
(
|
|
||||||
key.join(" "),
|
|
||||||
values.iter().map(|value| value.join(" ")).collect(),
|
|
||||||
)
|
|
||||||
})
|
|
||||||
.collect();
|
|
||||||
|
|
||||||
let min_typo_word_len = MinWordSizeTyposSetting {
|
|
||||||
one_typo: Setting::Set(self.min_word_len_one_typo(txn)?),
|
|
||||||
two_typos: Setting::Set(self.min_word_len_two_typos(txn)?),
|
|
||||||
};
|
|
||||||
|
|
||||||
let disabled_words = match self.exact_words(txn)? {
|
|
||||||
Some(fst) => fst.into_stream().into_strs()?.into_iter().collect(),
|
|
||||||
None => BTreeSet::new(),
|
|
||||||
};
|
|
||||||
|
|
||||||
let disabled_attributes = self
|
|
||||||
.exact_attributes(txn)?
|
|
||||||
.into_iter()
|
|
||||||
.map(String::from)
|
|
||||||
.collect();
|
|
||||||
|
|
||||||
let typo_tolerance = TypoSettings {
|
|
||||||
enabled: Setting::Set(self.authorize_typos(txn)?),
|
|
||||||
min_word_size_for_typos: Setting::Set(min_typo_word_len),
|
|
||||||
disable_on_words: Setting::Set(disabled_words),
|
|
||||||
disable_on_attributes: Setting::Set(disabled_attributes),
|
|
||||||
};
|
|
||||||
|
|
||||||
let faceting = FacetingSettings {
|
|
||||||
max_values_per_facet: Setting::Set(
|
|
||||||
self.max_values_per_facet(txn)?
|
|
||||||
.unwrap_or(DEFAULT_VALUES_PER_FACET),
|
|
||||||
),
|
|
||||||
};
|
|
||||||
|
|
||||||
let pagination = PaginationSettings {
|
|
||||||
max_total_hits: Setting::Set(
|
|
||||||
self.pagination_max_total_hits(txn)?
|
|
||||||
.unwrap_or(DEFAULT_PAGINATION_MAX_TOTAL_HITS),
|
|
||||||
),
|
|
||||||
};
|
|
||||||
|
|
||||||
Ok(Settings {
|
|
||||||
displayed_attributes: match displayed_attributes {
|
|
||||||
Some(attrs) => Setting::Set(attrs),
|
|
||||||
None => Setting::Reset,
|
|
||||||
},
|
|
||||||
searchable_attributes: match searchable_attributes {
|
|
||||||
Some(attrs) => Setting::Set(attrs),
|
|
||||||
None => Setting::Reset,
|
|
||||||
},
|
|
||||||
filterable_attributes: Setting::Set(filterable_attributes),
|
|
||||||
sortable_attributes: Setting::Set(sortable_attributes),
|
|
||||||
ranking_rules: Setting::Set(criteria),
|
|
||||||
stop_words: Setting::Set(stop_words),
|
|
||||||
distinct_attribute: match distinct_field {
|
|
||||||
Some(field) => Setting::Set(field),
|
|
||||||
None => Setting::Reset,
|
|
||||||
},
|
|
||||||
synonyms: Setting::Set(synonyms),
|
|
||||||
typo_tolerance: Setting::Set(typo_tolerance),
|
|
||||||
faceting: Setting::Set(faceting),
|
|
||||||
pagination: Setting::Set(pagination),
|
|
||||||
_kind: PhantomData,
|
|
||||||
})
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Return the total number of documents contained in the index + the selected documents.
|
|
||||||
pub fn retrieve_documents<S: AsRef<str>>(
|
|
||||||
&self,
|
|
||||||
offset: usize,
|
|
||||||
limit: usize,
|
|
||||||
attributes_to_retrieve: Option<Vec<S>>,
|
|
||||||
) -> Result<(u64, Vec<Document>)> {
|
|
||||||
let txn = self.read_txn()?;
|
|
||||||
|
|
||||||
let fields_ids_map = self.fields_ids_map(&txn)?;
|
|
||||||
let all_fields: Vec<_> = fields_ids_map.iter().map(|(id, _)| id).collect();
|
|
||||||
|
|
||||||
let mut documents = Vec::new();
|
|
||||||
for entry in self.all_documents(&txn)?.skip(offset).take(limit) {
|
|
||||||
let (_id, obkv) = entry?;
|
|
||||||
let document = obkv_to_json(&all_fields, &fields_ids_map, obkv)?;
|
|
||||||
let document = match &attributes_to_retrieve {
|
|
||||||
Some(attributes_to_retrieve) => permissive_json_pointer::select_values(
|
|
||||||
&document,
|
|
||||||
attributes_to_retrieve.iter().map(|s| s.as_ref()),
|
|
||||||
),
|
|
||||||
None => document,
|
|
||||||
};
|
|
||||||
documents.push(document);
|
|
||||||
}
|
|
||||||
|
|
||||||
let number_of_documents = self.number_of_documents(&txn)?;
|
|
||||||
|
|
||||||
Ok((number_of_documents, documents))
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn retrieve_document<S: AsRef<str>>(
|
|
||||||
&self,
|
|
||||||
doc_id: String,
|
|
||||||
attributes_to_retrieve: Option<Vec<S>>,
|
|
||||||
) -> Result<Document> {
|
|
||||||
let txn = self.read_txn()?;
|
|
||||||
|
|
||||||
let fields_ids_map = self.fields_ids_map(&txn)?;
|
|
||||||
let all_fields: Vec<_> = fields_ids_map.iter().map(|(id, _)| id).collect();
|
|
||||||
|
|
||||||
let internal_id = self
|
|
||||||
.external_documents_ids(&txn)?
|
|
||||||
.get(doc_id.as_bytes())
|
|
||||||
.ok_or_else(|| IndexError::DocumentNotFound(doc_id.clone()))?;
|
|
||||||
|
|
||||||
let document = self
|
|
||||||
.documents(&txn, std::iter::once(internal_id))?
|
|
||||||
.into_iter()
|
|
||||||
.next()
|
|
||||||
.map(|(_, d)| d)
|
|
||||||
.ok_or(IndexError::DocumentNotFound(doc_id))?;
|
|
||||||
|
|
||||||
let document = obkv_to_json(&all_fields, &fields_ids_map, document)?;
|
|
||||||
let document = match &attributes_to_retrieve {
|
|
||||||
Some(attributes_to_retrieve) => permissive_json_pointer::select_values(
|
|
||||||
&document,
|
|
||||||
attributes_to_retrieve.iter().map(|s| s.as_ref()),
|
|
||||||
),
|
|
||||||
None => document,
|
|
||||||
};
|
|
||||||
|
|
||||||
Ok(document)
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn size(&self) -> u64 {
|
|
||||||
WalkDir::new(self.path())
|
|
||||||
.into_iter()
|
|
||||||
.filter_map(|entry| entry.ok())
|
|
||||||
.filter_map(|entry| entry.metadata().ok())
|
|
||||||
.filter(|metadata| metadata.is_file())
|
|
||||||
.fold(0, |acc, m| acc + m.len())
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn snapshot(&self, path: impl AsRef<Path>) -> Result<()> {
|
|
||||||
let mut dst = path.as_ref().join(format!("indexes/{}/", self.uuid));
|
|
||||||
create_dir_all(&dst)?;
|
|
||||||
dst.push("data.mdb");
|
|
||||||
let _txn = self.write_txn()?;
|
|
||||||
self.inner.copy_to_path(dst, CompactionOption::Enabled)?;
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/// When running tests, when a server instance is dropped, the environment is not actually closed,
|
|
||||||
/// leaving a lot of open file descriptors.
|
|
||||||
impl Drop for Index {
|
|
||||||
fn drop(&mut self) {
|
|
||||||
// When dropping the last instance of an index, we want to close the index
|
|
||||||
// Note that the close is actually performed only if all the instances a effectively
|
|
||||||
// dropped
|
|
||||||
|
|
||||||
if Arc::strong_count(&self.inner) == 1 {
|
|
||||||
self.inner.as_ref().clone().prepare_for_closing();
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
@ -1,108 +0,0 @@
|
|||||||
use std::collections::HashMap;
|
|
||||||
use std::convert::TryFrom;
|
|
||||||
use std::path::{Path, PathBuf};
|
|
||||||
use std::sync::Arc;
|
|
||||||
|
|
||||||
use milli::update::IndexerConfig;
|
|
||||||
use tokio::fs;
|
|
||||||
use tokio::sync::RwLock;
|
|
||||||
use tokio::task::spawn_blocking;
|
|
||||||
use uuid::Uuid;
|
|
||||||
|
|
||||||
use super::error::{IndexResolverError, Result};
|
|
||||||
use crate::index::Index;
|
|
||||||
use crate::options::IndexerOpts;
|
|
||||||
|
|
||||||
type AsyncMap<K, V> = Arc<RwLock<HashMap<K, V>>>;
|
|
||||||
|
|
||||||
#[async_trait::async_trait]
|
|
||||||
#[cfg_attr(test, mockall::automock)]
|
|
||||||
pub trait IndexStore {
|
|
||||||
async fn create(&self, uuid: Uuid) -> Result<Index>;
|
|
||||||
async fn get(&self, uuid: Uuid) -> Result<Option<Index>>;
|
|
||||||
async fn delete(&self, uuid: Uuid) -> Result<Option<Index>>;
|
|
||||||
}
|
|
||||||
|
|
||||||
pub struct MapIndexStore {
|
|
||||||
index_store: AsyncMap<Uuid, Index>,
|
|
||||||
path: PathBuf,
|
|
||||||
index_size: usize,
|
|
||||||
indexer_config: Arc<IndexerConfig>,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl MapIndexStore {
|
|
||||||
pub fn new(
|
|
||||||
path: impl AsRef<Path>,
|
|
||||||
index_size: usize,
|
|
||||||
indexer_opts: &IndexerOpts,
|
|
||||||
) -> anyhow::Result<Self> {
|
|
||||||
let indexer_config = Arc::new(IndexerConfig::try_from(indexer_opts)?);
|
|
||||||
let path = path.as_ref().join("indexes/");
|
|
||||||
let index_store = Arc::new(RwLock::new(HashMap::new()));
|
|
||||||
Ok(Self {
|
|
||||||
index_store,
|
|
||||||
path,
|
|
||||||
index_size,
|
|
||||||
indexer_config,
|
|
||||||
})
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[async_trait::async_trait]
|
|
||||||
impl IndexStore for MapIndexStore {
|
|
||||||
async fn create(&self, uuid: Uuid) -> Result<Index> {
|
|
||||||
// We need to keep the lock until we are sure the db file has been opened correctly, to
|
|
||||||
// ensure that another db is not created at the same time.
|
|
||||||
let mut lock = self.index_store.write().await;
|
|
||||||
|
|
||||||
if let Some(index) = lock.get(&uuid) {
|
|
||||||
return Ok(index.clone());
|
|
||||||
}
|
|
||||||
let path = self.path.join(format!("{}", uuid));
|
|
||||||
if path.exists() {
|
|
||||||
return Err(IndexResolverError::UuidAlreadyExists(uuid));
|
|
||||||
}
|
|
||||||
|
|
||||||
let index_size = self.index_size;
|
|
||||||
let update_handler = self.indexer_config.clone();
|
|
||||||
let index = spawn_blocking(move || -> Result<Index> {
|
|
||||||
let index = Index::open(path, index_size, uuid, update_handler)?;
|
|
||||||
Ok(index)
|
|
||||||
})
|
|
||||||
.await??;
|
|
||||||
|
|
||||||
lock.insert(uuid, index.clone());
|
|
||||||
|
|
||||||
Ok(index)
|
|
||||||
}
|
|
||||||
|
|
||||||
async fn get(&self, uuid: Uuid) -> Result<Option<Index>> {
|
|
||||||
let guard = self.index_store.read().await;
|
|
||||||
match guard.get(&uuid) {
|
|
||||||
Some(index) => Ok(Some(index.clone())),
|
|
||||||
None => {
|
|
||||||
// drop the guard here so we can perform the write after without deadlocking;
|
|
||||||
drop(guard);
|
|
||||||
let path = self.path.join(format!("{}", uuid));
|
|
||||||
if !path.exists() {
|
|
||||||
return Ok(None);
|
|
||||||
}
|
|
||||||
|
|
||||||
let index_size = self.index_size;
|
|
||||||
let update_handler = self.indexer_config.clone();
|
|
||||||
let index =
|
|
||||||
spawn_blocking(move || Index::open(path, index_size, uuid, update_handler))
|
|
||||||
.await??;
|
|
||||||
self.index_store.write().await.insert(uuid, index.clone());
|
|
||||||
Ok(Some(index))
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
async fn delete(&self, uuid: Uuid) -> Result<Option<Index>> {
|
|
||||||
let db_path = self.path.join(format!("{}", uuid));
|
|
||||||
fs::remove_dir_all(db_path).await?;
|
|
||||||
let index = self.index_store.write().await.remove(&uuid);
|
|
||||||
Ok(index)
|
|
||||||
}
|
|
||||||
}
|
|
@ -1,50 +0,0 @@
|
|||||||
#[macro_use]
|
|
||||||
pub mod error;
|
|
||||||
pub mod options;
|
|
||||||
|
|
||||||
mod analytics;
|
|
||||||
mod document_formats;
|
|
||||||
// TODO: TAMO: reenable the dumps
|
|
||||||
#[cfg(todo)]
|
|
||||||
mod dump;
|
|
||||||
mod index_controller;
|
|
||||||
mod snapshot;
|
|
||||||
|
|
||||||
use std::env::VarError;
|
|
||||||
use std::ffi::OsStr;
|
|
||||||
use std::path::Path;
|
|
||||||
|
|
||||||
// TODO: TAMO: rename the MeiliSearch in Meilisearch
|
|
||||||
pub use index_controller::error::IndexControllerError;
|
|
||||||
pub use index_controller::Meilisearch as MeiliSearch;
|
|
||||||
pub use milli;
|
|
||||||
pub use milli::heed;
|
|
||||||
|
|
||||||
mod compression;
|
|
||||||
|
|
||||||
/// Check if a db is empty. It does not provide any information on the
|
|
||||||
/// validity of the data in it.
|
|
||||||
/// We consider a database as non empty when it's a non empty directory.
|
|
||||||
pub fn is_empty_db(db_path: impl AsRef<Path>) -> bool {
|
|
||||||
let db_path = db_path.as_ref();
|
|
||||||
|
|
||||||
if !db_path.exists() {
|
|
||||||
true
|
|
||||||
// if we encounter an error or if the db is a file we consider the db non empty
|
|
||||||
} else if let Ok(dir) = db_path.read_dir() {
|
|
||||||
dir.count() == 0
|
|
||||||
} else {
|
|
||||||
true
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Checks if the key is defined in the environment variables.
|
|
||||||
/// If not, inserts it with the given value.
|
|
||||||
pub fn export_to_env_if_not_present<T>(key: &str, value: T)
|
|
||||||
where
|
|
||||||
T: AsRef<OsStr>,
|
|
||||||
{
|
|
||||||
if let Err(VarError::NotPresent) = std::env::var(key) {
|
|
||||||
std::env::set_var(key, value);
|
|
||||||
}
|
|
||||||
}
|
|
@ -1,205 +0,0 @@
|
|||||||
use crate::export_to_env_if_not_present;
|
|
||||||
|
|
||||||
use core::fmt;
|
|
||||||
use std::{convert::TryFrom, num::ParseIntError, ops::Deref, str::FromStr};
|
|
||||||
|
|
||||||
use byte_unit::{Byte, ByteError};
|
|
||||||
use clap::Parser;
|
|
||||||
use milli::update::IndexerConfig;
|
|
||||||
use serde::{Deserialize, Serialize};
|
|
||||||
use sysinfo::{RefreshKind, System, SystemExt};
|
|
||||||
|
|
||||||
const MEILI_MAX_INDEXING_MEMORY: &str = "MEILI_MAX_INDEXING_MEMORY";
|
|
||||||
const MEILI_MAX_INDEXING_THREADS: &str = "MEILI_MAX_INDEXING_THREADS";
|
|
||||||
const DISABLE_AUTO_BATCHING: &str = "DISABLE_AUTO_BATCHING";
|
|
||||||
const DEFAULT_LOG_EVERY_N: usize = 100000;
|
|
||||||
|
|
||||||
#[derive(Debug, Clone, Parser, Serialize, Deserialize)]
|
|
||||||
#[serde(rename_all = "snake_case", deny_unknown_fields)]
|
|
||||||
pub struct IndexerOpts {
|
|
||||||
/// Sets the amount of documents to skip before printing
|
|
||||||
/// a log regarding the indexing advancement.
|
|
||||||
#[serde(skip_serializing, default = "default_log_every_n")]
|
|
||||||
#[clap(long, default_value_t = default_log_every_n(), hide = true)] // 100k
|
|
||||||
pub log_every_n: usize,
|
|
||||||
|
|
||||||
/// Grenad max number of chunks in bytes.
|
|
||||||
#[serde(skip_serializing)]
|
|
||||||
#[clap(long, hide = true)]
|
|
||||||
pub max_nb_chunks: Option<usize>,
|
|
||||||
|
|
||||||
/// Sets the maximum amount of RAM Meilisearch can use when indexing. By default, Meilisearch
|
|
||||||
/// uses no more than two thirds of available memory.
|
|
||||||
#[clap(long, env = MEILI_MAX_INDEXING_MEMORY, default_value_t)]
|
|
||||||
#[serde(default)]
|
|
||||||
pub max_indexing_memory: MaxMemory,
|
|
||||||
|
|
||||||
/// Sets the maximum number of threads Meilisearch can use during indexation. By default, the
|
|
||||||
/// indexer avoids using more than half of a machine's total processing units. This ensures
|
|
||||||
/// Meilisearch is always ready to perform searches, even while you are updating an index.
|
|
||||||
#[clap(long, env = MEILI_MAX_INDEXING_THREADS, default_value_t)]
|
|
||||||
#[serde(default)]
|
|
||||||
pub max_indexing_threads: MaxThreads,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Clone, Parser, Default, Serialize, Deserialize)]
|
|
||||||
#[serde(rename_all = "snake_case", deny_unknown_fields)]
|
|
||||||
pub struct SchedulerConfig {
|
|
||||||
/// Deactivates auto-batching when provided.
|
|
||||||
#[clap(long, env = DISABLE_AUTO_BATCHING)]
|
|
||||||
#[serde(default)]
|
|
||||||
pub disable_auto_batching: bool,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl IndexerOpts {
|
|
||||||
/// Exports the values to their corresponding env vars if they are not set.
|
|
||||||
pub fn export_to_env(self) {
|
|
||||||
let IndexerOpts {
|
|
||||||
max_indexing_memory,
|
|
||||||
max_indexing_threads,
|
|
||||||
log_every_n: _,
|
|
||||||
max_nb_chunks: _,
|
|
||||||
} = self;
|
|
||||||
if let Some(max_indexing_memory) = max_indexing_memory.0 {
|
|
||||||
export_to_env_if_not_present(
|
|
||||||
MEILI_MAX_INDEXING_MEMORY,
|
|
||||||
max_indexing_memory.to_string(),
|
|
||||||
);
|
|
||||||
}
|
|
||||||
export_to_env_if_not_present(
|
|
||||||
MEILI_MAX_INDEXING_THREADS,
|
|
||||||
max_indexing_threads.0.to_string(),
|
|
||||||
);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl TryFrom<&IndexerOpts> for IndexerConfig {
|
|
||||||
type Error = anyhow::Error;
|
|
||||||
|
|
||||||
fn try_from(other: &IndexerOpts) -> Result<Self, Self::Error> {
|
|
||||||
let thread_pool = rayon::ThreadPoolBuilder::new()
|
|
||||||
.num_threads(*other.max_indexing_threads)
|
|
||||||
.build()?;
|
|
||||||
|
|
||||||
Ok(Self {
|
|
||||||
log_every_n: Some(other.log_every_n),
|
|
||||||
max_nb_chunks: other.max_nb_chunks,
|
|
||||||
max_memory: other.max_indexing_memory.map(|b| b.get_bytes() as usize),
|
|
||||||
thread_pool: Some(thread_pool),
|
|
||||||
max_positions_per_attributes: None,
|
|
||||||
..Default::default()
|
|
||||||
})
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Default for IndexerOpts {
|
|
||||||
fn default() -> Self {
|
|
||||||
Self {
|
|
||||||
log_every_n: 100_000,
|
|
||||||
max_nb_chunks: None,
|
|
||||||
max_indexing_memory: MaxMemory::default(),
|
|
||||||
max_indexing_threads: MaxThreads::default(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl SchedulerConfig {
|
|
||||||
pub fn export_to_env(self) {
|
|
||||||
let SchedulerConfig {
|
|
||||||
disable_auto_batching,
|
|
||||||
} = self;
|
|
||||||
export_to_env_if_not_present(DISABLE_AUTO_BATCHING, disable_auto_batching.to_string());
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/// A type used to detect the max memory available and use 2/3 of it.
|
|
||||||
#[derive(Debug, Clone, Copy, Serialize, Deserialize)]
|
|
||||||
pub struct MaxMemory(Option<Byte>);
|
|
||||||
|
|
||||||
impl FromStr for MaxMemory {
|
|
||||||
type Err = ByteError;
|
|
||||||
|
|
||||||
fn from_str(s: &str) -> Result<MaxMemory, ByteError> {
|
|
||||||
Byte::from_str(s).map(Some).map(MaxMemory)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Default for MaxMemory {
|
|
||||||
fn default() -> MaxMemory {
|
|
||||||
MaxMemory(
|
|
||||||
total_memory_bytes()
|
|
||||||
.map(|bytes| bytes * 2 / 3)
|
|
||||||
.map(Byte::from_bytes),
|
|
||||||
)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl fmt::Display for MaxMemory {
|
|
||||||
fn fmt(&self, f: &mut fmt::Formatter) -> fmt::Result {
|
|
||||||
match self.0 {
|
|
||||||
Some(memory) => write!(f, "{}", memory.get_appropriate_unit(true)),
|
|
||||||
None => f.write_str("unknown"),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Deref for MaxMemory {
|
|
||||||
type Target = Option<Byte>;
|
|
||||||
|
|
||||||
fn deref(&self) -> &Self::Target {
|
|
||||||
&self.0
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl MaxMemory {
|
|
||||||
pub fn unlimited() -> Self {
|
|
||||||
Self(None)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Returns the total amount of bytes available or `None` if this system isn't supported.
|
|
||||||
fn total_memory_bytes() -> Option<u64> {
|
|
||||||
if System::IS_SUPPORTED {
|
|
||||||
let memory_kind = RefreshKind::new().with_memory();
|
|
||||||
let mut system = System::new_with_specifics(memory_kind);
|
|
||||||
system.refresh_memory();
|
|
||||||
Some(system.total_memory() * 1024) // KiB into bytes
|
|
||||||
} else {
|
|
||||||
None
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, Clone, Copy, Serialize, Deserialize)]
|
|
||||||
pub struct MaxThreads(usize);
|
|
||||||
|
|
||||||
impl FromStr for MaxThreads {
|
|
||||||
type Err = ParseIntError;
|
|
||||||
|
|
||||||
fn from_str(s: &str) -> Result<Self, Self::Err> {
|
|
||||||
usize::from_str(s).map(Self)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Default for MaxThreads {
|
|
||||||
fn default() -> Self {
|
|
||||||
MaxThreads(num_cpus::get() / 2)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl fmt::Display for MaxThreads {
|
|
||||||
fn fmt(&self, f: &mut fmt::Formatter) -> fmt::Result {
|
|
||||||
write!(f, "{}", self.0)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Deref for MaxThreads {
|
|
||||||
type Target = usize;
|
|
||||||
|
|
||||||
fn deref(&self) -> &Self::Target {
|
|
||||||
&self.0
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
fn default_log_every_n() -> usize {
|
|
||||||
DEFAULT_LOG_EVERY_N
|
|
||||||
}
|
|
@ -1,204 +0,0 @@
|
|||||||
use std::fs;
|
|
||||||
use std::path::{Path, PathBuf};
|
|
||||||
use std::sync::Arc;
|
|
||||||
use std::time::Duration;
|
|
||||||
|
|
||||||
use anyhow::bail;
|
|
||||||
use fs_extra::dir::{self, CopyOptions};
|
|
||||||
use log::{info, trace};
|
|
||||||
use meilisearch_auth::open_auth_store_env;
|
|
||||||
use milli::heed::CompactionOption;
|
|
||||||
use tokio::sync::RwLock;
|
|
||||||
use tokio::time::sleep;
|
|
||||||
use walkdir::WalkDir;
|
|
||||||
|
|
||||||
use crate::compression::from_tar_gz;
|
|
||||||
use crate::index_controller::open_meta_env;
|
|
||||||
use crate::index_controller::versioning::VERSION_FILE_NAME;
|
|
||||||
use index_scheduler::IndexScheduler;
|
|
||||||
|
|
||||||
pub struct SnapshotService {
|
|
||||||
pub(crate) db_path: PathBuf,
|
|
||||||
pub(crate) snapshot_period: Duration,
|
|
||||||
pub(crate) snapshot_path: PathBuf,
|
|
||||||
pub(crate) index_size: usize,
|
|
||||||
pub(crate) meta_env_size: usize,
|
|
||||||
pub(crate) scheduler: IndexScheduler,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl SnapshotService {
|
|
||||||
pub async fn run(self) {
|
|
||||||
info!(
|
|
||||||
"Snapshot scheduled every {}s.",
|
|
||||||
self.snapshot_period.as_secs()
|
|
||||||
);
|
|
||||||
loop {
|
|
||||||
let snapshot_job = SnapshotJob {
|
|
||||||
dest_path: self.snapshot_path.clone(),
|
|
||||||
src_path: self.db_path.clone(),
|
|
||||||
meta_env_size: self.meta_env_size,
|
|
||||||
index_size: self.index_size,
|
|
||||||
};
|
|
||||||
// TODO: TAMO: reenable the snapshots
|
|
||||||
// self.scheduler.write().await.schedule_snapshot(snapshot_job);
|
|
||||||
sleep(self.snapshot_period).await;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn load_snapshot(
|
|
||||||
db_path: impl AsRef<Path>,
|
|
||||||
snapshot_path: impl AsRef<Path>,
|
|
||||||
ignore_snapshot_if_db_exists: bool,
|
|
||||||
ignore_missing_snapshot: bool,
|
|
||||||
) -> anyhow::Result<()> {
|
|
||||||
let empty_db = crate::is_empty_db(&db_path);
|
|
||||||
let snapshot_path_exists = snapshot_path.as_ref().exists();
|
|
||||||
|
|
||||||
if empty_db && snapshot_path_exists {
|
|
||||||
match from_tar_gz(snapshot_path, &db_path) {
|
|
||||||
Ok(()) => Ok(()),
|
|
||||||
Err(e) => {
|
|
||||||
//clean created db folder
|
|
||||||
std::fs::remove_dir_all(&db_path)?;
|
|
||||||
Err(e)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
} else if !empty_db && !ignore_snapshot_if_db_exists {
|
|
||||||
bail!(
|
|
||||||
"database already exists at {:?}, try to delete it or rename it",
|
|
||||||
db_path
|
|
||||||
.as_ref()
|
|
||||||
.canonicalize()
|
|
||||||
.unwrap_or_else(|_| db_path.as_ref().to_owned())
|
|
||||||
)
|
|
||||||
} else if !snapshot_path_exists && !ignore_missing_snapshot {
|
|
||||||
bail!("snapshot doesn't exist at {:?}", snapshot_path.as_ref())
|
|
||||||
} else {
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug)]
|
|
||||||
pub struct SnapshotJob {
|
|
||||||
dest_path: PathBuf,
|
|
||||||
src_path: PathBuf,
|
|
||||||
|
|
||||||
meta_env_size: usize,
|
|
||||||
index_size: usize,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl SnapshotJob {
|
|
||||||
pub async fn run(self) -> anyhow::Result<()> {
|
|
||||||
tokio::task::spawn_blocking(|| self.run_sync()).await??;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn run_sync(self) -> anyhow::Result<()> {
|
|
||||||
trace!("Performing snapshot.");
|
|
||||||
|
|
||||||
let snapshot_dir = self.dest_path.clone();
|
|
||||||
std::fs::create_dir_all(&snapshot_dir)?;
|
|
||||||
let temp_snapshot_dir = tempfile::tempdir()?;
|
|
||||||
let temp_snapshot_path = temp_snapshot_dir.path();
|
|
||||||
|
|
||||||
self.snapshot_version_file(temp_snapshot_path)?;
|
|
||||||
self.snapshot_meta_env(temp_snapshot_path)?;
|
|
||||||
self.snapshot_file_store(temp_snapshot_path)?;
|
|
||||||
self.snapshot_indexes(temp_snapshot_path)?;
|
|
||||||
self.snapshot_auth(temp_snapshot_path)?;
|
|
||||||
|
|
||||||
let db_name = self
|
|
||||||
.src_path
|
|
||||||
.file_name()
|
|
||||||
.and_then(|n| n.to_str())
|
|
||||||
.unwrap_or("data.ms")
|
|
||||||
.to_string();
|
|
||||||
|
|
||||||
let snapshot_path = self.dest_path.join(format!("{}.snapshot", db_name));
|
|
||||||
let temp_snapshot_file = tempfile::NamedTempFile::new_in(&snapshot_dir)?;
|
|
||||||
let temp_snapshot_file_path = temp_snapshot_file.path().to_owned();
|
|
||||||
crate::compression::to_tar_gz(temp_snapshot_path, temp_snapshot_file_path)?;
|
|
||||||
let _file = temp_snapshot_file.persist(&snapshot_path)?;
|
|
||||||
|
|
||||||
#[cfg(unix)]
|
|
||||||
{
|
|
||||||
use std::fs::Permissions;
|
|
||||||
use std::os::unix::fs::PermissionsExt;
|
|
||||||
|
|
||||||
let perm = Permissions::from_mode(0o644);
|
|
||||||
_file.set_permissions(perm)?;
|
|
||||||
}
|
|
||||||
|
|
||||||
trace!("Created snapshot in {:?}.", snapshot_path);
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn snapshot_version_file(&self, path: &Path) -> anyhow::Result<()> {
|
|
||||||
let dst = path.join(VERSION_FILE_NAME);
|
|
||||||
let src = self.src_path.join(VERSION_FILE_NAME);
|
|
||||||
|
|
||||||
fs::copy(src, dst)?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn snapshot_meta_env(&self, path: &Path) -> anyhow::Result<()> {
|
|
||||||
let env = open_meta_env(&self.src_path, self.meta_env_size)?;
|
|
||||||
|
|
||||||
let dst = path.join("data.mdb");
|
|
||||||
env.copy_to_path(dst, milli::heed::CompactionOption::Enabled)?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn snapshot_file_store(&self, path: &Path) -> anyhow::Result<()> {
|
|
||||||
// for now we simply copy the updates/updates_files
|
|
||||||
// FIXME(marin): We may copy more files than necessary, if new files are added while we are
|
|
||||||
// performing the snapshop. We need a way to filter them out.
|
|
||||||
|
|
||||||
let dst = path.join("updates");
|
|
||||||
fs::create_dir_all(&dst)?;
|
|
||||||
let options = CopyOptions::default();
|
|
||||||
dir::copy(self.src_path.join("updates/updates_files"), dst, &options)?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn snapshot_indexes(&self, path: &Path) -> anyhow::Result<()> {
|
|
||||||
let indexes_path = self.src_path.join("indexes/");
|
|
||||||
let dst = path.join("indexes/");
|
|
||||||
|
|
||||||
for entry in WalkDir::new(indexes_path).max_depth(1).into_iter().skip(1) {
|
|
||||||
let entry = entry?;
|
|
||||||
let name = entry.file_name();
|
|
||||||
let dst = dst.join(name);
|
|
||||||
|
|
||||||
std::fs::create_dir_all(&dst)?;
|
|
||||||
|
|
||||||
let dst = dst.join("data.mdb");
|
|
||||||
|
|
||||||
let mut options = milli::heed::EnvOpenOptions::new();
|
|
||||||
options.map_size(self.index_size);
|
|
||||||
options.max_readers(1024);
|
|
||||||
let index = milli::Index::new(options, entry.path())?;
|
|
||||||
index.copy_to_path(dst, CompactionOption::Enabled)?;
|
|
||||||
}
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
fn snapshot_auth(&self, path: &Path) -> anyhow::Result<()> {
|
|
||||||
let auth_path = self.src_path.join("auth");
|
|
||||||
let dst = path.join("auth");
|
|
||||||
std::fs::create_dir_all(&dst)?;
|
|
||||||
let dst = dst.join("data.mdb");
|
|
||||||
|
|
||||||
let env = open_auth_store_env(&auth_path)?;
|
|
||||||
env.copy_to_path(dst, milli::heed::CompactionOption::Enabled)?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
}
|
|
@ -1,420 +0,0 @@
|
|||||||
mod store;
|
|
||||||
|
|
||||||
use std::collections::HashSet;
|
|
||||||
use std::io::{BufWriter, Write};
|
|
||||||
use std::path::Path;
|
|
||||||
use std::sync::Arc;
|
|
||||||
|
|
||||||
use log::debug;
|
|
||||||
use milli::heed::{Env, RwTxn};
|
|
||||||
use time::OffsetDateTime;
|
|
||||||
|
|
||||||
use super::batch::BatchContent;
|
|
||||||
use super::error::TaskError;
|
|
||||||
use super::scheduler::Processing;
|
|
||||||
use super::task::{Task, TaskContent, TaskId};
|
|
||||||
use super::Result;
|
|
||||||
use crate::tasks::task::TaskEvent;
|
|
||||||
use crate::update_file_store::UpdateFileStore;
|
|
||||||
|
|
||||||
#[cfg(test)]
|
|
||||||
pub use store::test::MockStore as Store;
|
|
||||||
#[cfg(not(test))]
|
|
||||||
pub use store::Store;
|
|
||||||
|
|
||||||
type FilterFn = Box<dyn Fn(&Task) -> bool + Sync + Send + 'static>;
|
|
||||||
|
|
||||||
/// Defines constraints to be applied when querying for Tasks from the store.
|
|
||||||
#[derive(Default)]
|
|
||||||
pub struct TaskFilter {
|
|
||||||
indexes: Option<HashSet<String>>,
|
|
||||||
filter_fn: Option<FilterFn>,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl TaskFilter {
|
|
||||||
fn pass(&self, task: &Task) -> bool {
|
|
||||||
match task.index_uid() {
|
|
||||||
Some(index_uid) => self
|
|
||||||
.indexes
|
|
||||||
.as_ref()
|
|
||||||
.map_or(true, |indexes| indexes.contains(index_uid)),
|
|
||||||
None => false,
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
fn filtered_indexes(&self) -> Option<&HashSet<String>> {
|
|
||||||
self.indexes.as_ref()
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Adds an index to the filter, so the filter must match this index.
|
|
||||||
pub fn filter_index(&mut self, index: String) {
|
|
||||||
self.indexes
|
|
||||||
.get_or_insert_with(Default::default)
|
|
||||||
.insert(index);
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn filter_fn(&mut self, f: FilterFn) {
|
|
||||||
self.filter_fn.replace(f);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub struct TaskStore {
|
|
||||||
store: Arc<Store>,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Clone for TaskStore {
|
|
||||||
fn clone(&self) -> Self {
|
|
||||||
Self {
|
|
||||||
store: self.store.clone(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl TaskStore {
|
|
||||||
pub fn new(env: Arc<milli::heed::Env>) -> Result<Self> {
|
|
||||||
let store = Arc::new(Store::new(env)?);
|
|
||||||
Ok(Self { store })
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn register(&self, content: TaskContent) -> Result<Task> {
|
|
||||||
debug!("registering update: {:?}", content);
|
|
||||||
let store = self.store.clone();
|
|
||||||
let task = tokio::task::spawn_blocking(move || -> Result<Task> {
|
|
||||||
let mut txn = store.wtxn()?;
|
|
||||||
let next_task_id = store.next_task_id(&mut txn)?;
|
|
||||||
let created_at = TaskEvent::Created(OffsetDateTime::now_utc());
|
|
||||||
let task = Task {
|
|
||||||
id: next_task_id,
|
|
||||||
content,
|
|
||||||
events: vec![created_at],
|
|
||||||
};
|
|
||||||
|
|
||||||
store.put(&mut txn, &task)?;
|
|
||||||
txn.commit()?;
|
|
||||||
|
|
||||||
Ok(task)
|
|
||||||
})
|
|
||||||
.await??;
|
|
||||||
|
|
||||||
Ok(task)
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn register_raw_update(&self, wtxn: &mut RwTxn, task: &Task) -> Result<()> {
|
|
||||||
self.store.put(wtxn, task)?;
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn get_task(&self, id: TaskId, filter: Option<TaskFilter>) -> Result<Task> {
|
|
||||||
let store = self.store.clone();
|
|
||||||
let task = tokio::task::spawn_blocking(move || -> Result<_> {
|
|
||||||
let txn = store.rtxn()?;
|
|
||||||
let task = store.get(&txn, id)?;
|
|
||||||
Ok(task)
|
|
||||||
})
|
|
||||||
.await??
|
|
||||||
.ok_or(TaskError::UnexistingTask(id))?;
|
|
||||||
|
|
||||||
match filter {
|
|
||||||
Some(filter) => filter
|
|
||||||
.pass(&task)
|
|
||||||
.then_some(task)
|
|
||||||
.ok_or(TaskError::UnexistingTask(id)),
|
|
||||||
None => Ok(task),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
/// This methods takes a `Processing` which contains the next task ids to process, and returns
|
|
||||||
/// the corresponding tasks along with the ownership to the passed processing.
|
|
||||||
///
|
|
||||||
/// We need get_processing_tasks to take ownership over `Processing` because we need it to be
|
|
||||||
/// valid for 'static.
|
|
||||||
pub async fn get_processing_tasks(
|
|
||||||
&self,
|
|
||||||
processing: Processing,
|
|
||||||
) -> Result<(Processing, BatchContent)> {
|
|
||||||
let store = self.store.clone();
|
|
||||||
let tasks = tokio::task::spawn_blocking(move || -> Result<_> {
|
|
||||||
let txn = store.rtxn()?;
|
|
||||||
|
|
||||||
let content = match processing {
|
|
||||||
Processing::DocumentAdditions(ref ids) => {
|
|
||||||
let mut tasks = Vec::new();
|
|
||||||
|
|
||||||
for id in ids.iter() {
|
|
||||||
let task = store
|
|
||||||
.get(&txn, *id)?
|
|
||||||
.ok_or(TaskError::UnexistingTask(*id))?;
|
|
||||||
tasks.push(task);
|
|
||||||
}
|
|
||||||
BatchContent::DocumentsAdditionBatch(tasks)
|
|
||||||
}
|
|
||||||
Processing::IndexUpdate(id) => {
|
|
||||||
let task = store.get(&txn, id)?.ok_or(TaskError::UnexistingTask(id))?;
|
|
||||||
BatchContent::IndexUpdate(task)
|
|
||||||
}
|
|
||||||
Processing::Dump(id) => {
|
|
||||||
let task = store.get(&txn, id)?.ok_or(TaskError::UnexistingTask(id))?;
|
|
||||||
debug_assert!(matches!(task.content, TaskContent::Dump { .. }));
|
|
||||||
BatchContent::Dump(task)
|
|
||||||
}
|
|
||||||
Processing::Nothing => BatchContent::Empty,
|
|
||||||
};
|
|
||||||
|
|
||||||
Ok((processing, content))
|
|
||||||
})
|
|
||||||
.await??;
|
|
||||||
|
|
||||||
Ok(tasks)
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn update_tasks(&self, tasks: Vec<Task>) -> Result<Vec<Task>> {
|
|
||||||
let store = self.store.clone();
|
|
||||||
|
|
||||||
let tasks = tokio::task::spawn_blocking(move || -> Result<_> {
|
|
||||||
let mut txn = store.wtxn()?;
|
|
||||||
|
|
||||||
for task in &tasks {
|
|
||||||
store.put(&mut txn, task)?;
|
|
||||||
}
|
|
||||||
|
|
||||||
txn.commit()?;
|
|
||||||
|
|
||||||
Ok(tasks)
|
|
||||||
})
|
|
||||||
.await??;
|
|
||||||
|
|
||||||
Ok(tasks)
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn fetch_unfinished_tasks(&self, offset: Option<TaskId>) -> Result<Vec<Task>> {
|
|
||||||
let store = self.store.clone();
|
|
||||||
|
|
||||||
tokio::task::spawn_blocking(move || {
|
|
||||||
let txn = store.rtxn()?;
|
|
||||||
let tasks = store.fetch_unfinished_tasks(&txn, offset)?;
|
|
||||||
Ok(tasks)
|
|
||||||
})
|
|
||||||
.await?
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn list_tasks(
|
|
||||||
&self,
|
|
||||||
offset: Option<TaskId>,
|
|
||||||
filter: Option<TaskFilter>,
|
|
||||||
limit: Option<usize>,
|
|
||||||
) -> Result<Vec<Task>> {
|
|
||||||
let store = self.store.clone();
|
|
||||||
|
|
||||||
tokio::task::spawn_blocking(move || {
|
|
||||||
let txn = store.rtxn()?;
|
|
||||||
let tasks = store.list_tasks(&txn, offset, filter, limit)?;
|
|
||||||
Ok(tasks)
|
|
||||||
})
|
|
||||||
.await?
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn dump(
|
|
||||||
env: Arc<Env>,
|
|
||||||
dir_path: impl AsRef<Path>,
|
|
||||||
update_file_store: UpdateFileStore,
|
|
||||||
) -> Result<()> {
|
|
||||||
let store = Self::new(env)?;
|
|
||||||
let update_dir = dir_path.as_ref().join("updates");
|
|
||||||
let updates_file = update_dir.join("data.jsonl");
|
|
||||||
let tasks = store.list_tasks(None, None, None).await?;
|
|
||||||
|
|
||||||
let dir_path = dir_path.as_ref().to_path_buf();
|
|
||||||
tokio::task::spawn_blocking(move || -> Result<()> {
|
|
||||||
std::fs::create_dir(&update_dir)?;
|
|
||||||
let updates_file = std::fs::File::create(updates_file)?;
|
|
||||||
let mut updates_file = BufWriter::new(updates_file);
|
|
||||||
|
|
||||||
for task in tasks {
|
|
||||||
serde_json::to_writer(&mut updates_file, &task)?;
|
|
||||||
updates_file.write_all(b"\n")?;
|
|
||||||
|
|
||||||
if !task.is_finished() {
|
|
||||||
if let Some(content_uuid) = task.get_content_uuid() {
|
|
||||||
update_file_store.dump(content_uuid, &dir_path)?;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
updates_file.flush()?;
|
|
||||||
Ok(())
|
|
||||||
})
|
|
||||||
.await??;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn load_dump(src: impl AsRef<Path>, env: Arc<Env>) -> anyhow::Result<()> {
|
|
||||||
// create a dummy update field store, since it is not needed right now.
|
|
||||||
let store = Self::new(env.clone())?;
|
|
||||||
|
|
||||||
let src_update_path = src.as_ref().join("updates");
|
|
||||||
let update_data = std::fs::File::open(&src_update_path.join("data.jsonl"))?;
|
|
||||||
let update_data = std::io::BufReader::new(update_data);
|
|
||||||
|
|
||||||
let stream = serde_json::Deserializer::from_reader(update_data).into_iter::<Task>();
|
|
||||||
|
|
||||||
let mut wtxn = env.write_txn()?;
|
|
||||||
for entry in stream {
|
|
||||||
store.register_raw_update(&mut wtxn, &entry?)?;
|
|
||||||
}
|
|
||||||
wtxn.commit()?;
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[cfg(test)]
|
|
||||||
pub mod test {
|
|
||||||
use crate::tasks::{scheduler::Processing, task_store::store::test::tmp_env};
|
|
||||||
|
|
||||||
use super::*;
|
|
||||||
|
|
||||||
use meilisearch_types::index_uid::IndexUid;
|
|
||||||
use nelson::Mocker;
|
|
||||||
use proptest::{
|
|
||||||
strategy::Strategy,
|
|
||||||
test_runner::{Config, TestRunner},
|
|
||||||
};
|
|
||||||
|
|
||||||
pub enum MockTaskStore {
|
|
||||||
Real(TaskStore),
|
|
||||||
Mock(Arc<Mocker>),
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Clone for MockTaskStore {
|
|
||||||
fn clone(&self) -> Self {
|
|
||||||
match self {
|
|
||||||
Self::Real(x) => Self::Real(x.clone()),
|
|
||||||
Self::Mock(x) => Self::Mock(x.clone()),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl MockTaskStore {
|
|
||||||
pub fn new(env: Arc<milli::heed::Env>) -> Result<Self> {
|
|
||||||
Ok(Self::Real(TaskStore::new(env)?))
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn dump(
|
|
||||||
env: Arc<milli::heed::Env>,
|
|
||||||
path: impl AsRef<Path>,
|
|
||||||
update_file_store: UpdateFileStore,
|
|
||||||
) -> Result<()> {
|
|
||||||
TaskStore::dump(env, path, update_file_store).await
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn mock(mocker: Mocker) -> Self {
|
|
||||||
Self::Mock(Arc::new(mocker))
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn update_tasks(&self, tasks: Vec<Task>) -> Result<Vec<Task>> {
|
|
||||||
match self {
|
|
||||||
Self::Real(s) => s.update_tasks(tasks).await,
|
|
||||||
Self::Mock(m) => unsafe {
|
|
||||||
m.get::<_, Result<Vec<Task>>>("update_tasks").call(tasks)
|
|
||||||
},
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn get_task(&self, id: TaskId, filter: Option<TaskFilter>) -> Result<Task> {
|
|
||||||
match self {
|
|
||||||
Self::Real(s) => s.get_task(id, filter).await,
|
|
||||||
Self::Mock(m) => unsafe { m.get::<_, Result<Task>>("get_task").call((id, filter)) },
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn get_processing_tasks(
|
|
||||||
&self,
|
|
||||||
tasks: Processing,
|
|
||||||
) -> Result<(Processing, BatchContent)> {
|
|
||||||
match self {
|
|
||||||
Self::Real(s) => s.get_processing_tasks(tasks).await,
|
|
||||||
Self::Mock(m) => unsafe { m.get("get_pending_task").call(tasks) },
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn fetch_unfinished_tasks(&self, from: Option<TaskId>) -> Result<Vec<Task>> {
|
|
||||||
match self {
|
|
||||||
Self::Real(s) => s.fetch_unfinished_tasks(from).await,
|
|
||||||
Self::Mock(m) => unsafe { m.get("fetch_unfinished_tasks").call(from) },
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn list_tasks(
|
|
||||||
&self,
|
|
||||||
from: Option<TaskId>,
|
|
||||||
filter: Option<TaskFilter>,
|
|
||||||
limit: Option<usize>,
|
|
||||||
) -> Result<Vec<Task>> {
|
|
||||||
match self {
|
|
||||||
Self::Real(s) => s.list_tasks(from, filter, limit).await,
|
|
||||||
Self::Mock(m) => unsafe { m.get("list_tasks").call((from, filter, limit)) },
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub async fn register(&self, content: TaskContent) -> Result<Task> {
|
|
||||||
match self {
|
|
||||||
Self::Real(s) => s.register(content).await,
|
|
||||||
Self::Mock(_m) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn register_raw_update(&self, wtxn: &mut RwTxn, task: &Task) -> Result<()> {
|
|
||||||
match self {
|
|
||||||
Self::Real(s) => s.register_raw_update(wtxn, task),
|
|
||||||
Self::Mock(_m) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn load_dump(path: impl AsRef<Path>, env: Arc<Env>) -> anyhow::Result<()> {
|
|
||||||
TaskStore::load_dump(path, env)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[test]
|
|
||||||
fn test_increment_task_id() {
|
|
||||||
let tmp = tmp_env();
|
|
||||||
let store = Store::new(tmp.env()).unwrap();
|
|
||||||
|
|
||||||
let mut txn = store.wtxn().unwrap();
|
|
||||||
assert_eq!(store.next_task_id(&mut txn).unwrap(), 0);
|
|
||||||
txn.abort().unwrap();
|
|
||||||
|
|
||||||
let gen_task = |id: TaskId| Task {
|
|
||||||
id,
|
|
||||||
content: TaskContent::IndexCreation {
|
|
||||||
primary_key: None,
|
|
||||||
index_uid: IndexUid::new_unchecked("test"),
|
|
||||||
},
|
|
||||||
events: Vec::new(),
|
|
||||||
};
|
|
||||||
|
|
||||||
let mut runner = TestRunner::new(Config::default());
|
|
||||||
runner
|
|
||||||
.run(&(0..100u32).prop_map(gen_task), |task| {
|
|
||||||
let mut txn = store.wtxn().unwrap();
|
|
||||||
let previous_id = store.next_task_id(&mut txn).unwrap();
|
|
||||||
|
|
||||||
store.put(&mut txn, &task).unwrap();
|
|
||||||
|
|
||||||
let next_id = store.next_task_id(&mut txn).unwrap();
|
|
||||||
|
|
||||||
// if we put a task whose task_id is less than the next_id, then the next_id remains
|
|
||||||
// unchanged, otherwise it becomes task.id + 1
|
|
||||||
if task.id < previous_id {
|
|
||||||
assert_eq!(next_id, previous_id)
|
|
||||||
} else {
|
|
||||||
assert_eq!(next_id, task.id + 1);
|
|
||||||
}
|
|
||||||
|
|
||||||
txn.commit().unwrap();
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
})
|
|
||||||
.unwrap();
|
|
||||||
}
|
|
||||||
}
|
|
@ -1,377 +0,0 @@
|
|||||||
#[allow(clippy::upper_case_acronyms)]
|
|
||||||
|
|
||||||
type BEU32 = milli::heed::zerocopy::U32<milli::heed::byteorder::BE>;
|
|
||||||
|
|
||||||
const INDEX_UIDS_TASK_IDS: &str = "index-uids-task-ids";
|
|
||||||
const TASKS: &str = "tasks";
|
|
||||||
|
|
||||||
use std::collections::HashSet;
|
|
||||||
use std::ops::Bound::{Excluded, Unbounded};
|
|
||||||
use std::result::Result as StdResult;
|
|
||||||
use std::sync::Arc;
|
|
||||||
|
|
||||||
use milli::heed::types::{OwnedType, SerdeJson, Str};
|
|
||||||
use milli::heed::{Database, Env, RoTxn, RwTxn};
|
|
||||||
use milli::heed_codec::RoaringBitmapCodec;
|
|
||||||
use roaring::RoaringBitmap;
|
|
||||||
|
|
||||||
use crate::tasks::task::{Task, TaskId};
|
|
||||||
|
|
||||||
use super::super::Result;
|
|
||||||
use super::TaskFilter;
|
|
||||||
|
|
||||||
pub struct Store {
|
|
||||||
env: Arc<Env>,
|
|
||||||
/// Maps an index uid to the set of tasks ids associated to it.
|
|
||||||
index_uid_task_ids: Database<Str, RoaringBitmapCodec>,
|
|
||||||
tasks: Database<OwnedType<BEU32>, SerdeJson<Task>>,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Drop for Store {
|
|
||||||
fn drop(&mut self) {
|
|
||||||
if Arc::strong_count(&self.env) == 1 {
|
|
||||||
self.env.as_ref().clone().prepare_for_closing();
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Store {
|
|
||||||
/// Create a new store from the specified `Path`.
|
|
||||||
/// Be really cautious when calling this function, the returned `Store` may
|
|
||||||
/// be in an invalid state, with dangling processing tasks.
|
|
||||||
/// You want to patch all un-finished tasks and put them in your pending
|
|
||||||
/// queue with the `reset_and_return_unfinished_update` method.
|
|
||||||
pub fn new(env: Arc<milli::heed::Env>) -> Result<Self> {
|
|
||||||
let index_uid_task_ids = env.create_database(Some(INDEX_UIDS_TASK_IDS))?;
|
|
||||||
let tasks = env.create_database(Some(TASKS))?;
|
|
||||||
|
|
||||||
Ok(Self {
|
|
||||||
env,
|
|
||||||
index_uid_task_ids,
|
|
||||||
tasks,
|
|
||||||
})
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn wtxn(&self) -> Result<RwTxn> {
|
|
||||||
Ok(self.env.write_txn()?)
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn rtxn(&self) -> Result<RoTxn> {
|
|
||||||
Ok(self.env.read_txn()?)
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Returns the id for the next task.
|
|
||||||
///
|
|
||||||
/// The required `mut txn` acts as a reservation system. It guarantees that as long as you commit
|
|
||||||
/// the task to the store in the same transaction, no one else will have this task id.
|
|
||||||
pub fn next_task_id(&self, txn: &mut RwTxn) -> Result<TaskId> {
|
|
||||||
let id = self
|
|
||||||
.tasks
|
|
||||||
.lazily_decode_data()
|
|
||||||
.last(txn)?
|
|
||||||
.map(|(id, _)| id.get() + 1)
|
|
||||||
.unwrap_or(0);
|
|
||||||
Ok(id)
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn put(&self, txn: &mut RwTxn, task: &Task) -> Result<()> {
|
|
||||||
self.tasks.put(txn, &BEU32::new(task.id), task)?;
|
|
||||||
// only add the task to the indexes index if it has an index_uid
|
|
||||||
if let Some(index_uid) = task.index_uid() {
|
|
||||||
let mut tasks_set = self
|
|
||||||
.index_uid_task_ids
|
|
||||||
.get(txn, index_uid)?
|
|
||||||
.unwrap_or_default();
|
|
||||||
|
|
||||||
tasks_set.insert(task.id);
|
|
||||||
|
|
||||||
self.index_uid_task_ids.put(txn, index_uid, &tasks_set)?;
|
|
||||||
}
|
|
||||||
|
|
||||||
Ok(())
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn get(&self, txn: &RoTxn, id: TaskId) -> Result<Option<Task>> {
|
|
||||||
let task = self.tasks.get(txn, &BEU32::new(id))?;
|
|
||||||
Ok(task)
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Returns the unfinished tasks starting from the given taskId in ascending order.
|
|
||||||
pub fn fetch_unfinished_tasks(&self, txn: &RoTxn, from: Option<TaskId>) -> Result<Vec<Task>> {
|
|
||||||
// We must NEVER re-enqueue an already processed task! It's content uuid would point to an unexisting file.
|
|
||||||
//
|
|
||||||
// TODO(marin): This may create some latency when the first batch lazy loads the pending updates.
|
|
||||||
let from = from.unwrap_or_default();
|
|
||||||
|
|
||||||
let result: StdResult<Vec<_>, milli::heed::Error> = self
|
|
||||||
.tasks
|
|
||||||
.range(txn, &(BEU32::new(from)..))?
|
|
||||||
.map(|r| r.map(|(_, t)| t))
|
|
||||||
.filter(|result| result.as_ref().map_or(true, |t| !t.is_finished()))
|
|
||||||
.collect();
|
|
||||||
|
|
||||||
result.map_err(Into::into)
|
|
||||||
}
|
|
||||||
|
|
||||||
/// Returns all the tasks starting from the given taskId and going in descending order.
|
|
||||||
pub fn list_tasks(
|
|
||||||
&self,
|
|
||||||
txn: &RoTxn,
|
|
||||||
from: Option<TaskId>,
|
|
||||||
filter: Option<TaskFilter>,
|
|
||||||
limit: Option<usize>,
|
|
||||||
) -> Result<Vec<Task>> {
|
|
||||||
let from = match from {
|
|
||||||
Some(from) => from,
|
|
||||||
None => self.tasks.last(txn)?.map_or(0, |(id, _)| id.get()),
|
|
||||||
};
|
|
||||||
|
|
||||||
let filter_fn = |task: &Task| {
|
|
||||||
filter
|
|
||||||
.as_ref()
|
|
||||||
.and_then(|f| f.filter_fn.as_ref())
|
|
||||||
.map_or(true, |f| f(task))
|
|
||||||
};
|
|
||||||
|
|
||||||
let result: Result<Vec<_>> = match filter.as_ref().and_then(|f| f.filtered_indexes()) {
|
|
||||||
Some(indexes) => self
|
|
||||||
.compute_candidates(txn, indexes, from)?
|
|
||||||
.filter(|result| result.as_ref().map_or(true, filter_fn))
|
|
||||||
.take(limit.unwrap_or(usize::MAX))
|
|
||||||
.collect(),
|
|
||||||
None => self
|
|
||||||
.tasks
|
|
||||||
.rev_range(txn, &(..=BEU32::new(from)))?
|
|
||||||
.map(|r| r.map(|(_, t)| t).map_err(Into::into))
|
|
||||||
.filter(|result| result.as_ref().map_or(true, filter_fn))
|
|
||||||
.take(limit.unwrap_or(usize::MAX))
|
|
||||||
.collect(),
|
|
||||||
};
|
|
||||||
|
|
||||||
result.map_err(Into::into)
|
|
||||||
}
|
|
||||||
|
|
||||||
fn compute_candidates<'a>(
|
|
||||||
&'a self,
|
|
||||||
txn: &'a RoTxn,
|
|
||||||
indexes: &HashSet<String>,
|
|
||||||
from: TaskId,
|
|
||||||
) -> Result<impl Iterator<Item = Result<Task>> + 'a> {
|
|
||||||
let mut candidates = RoaringBitmap::new();
|
|
||||||
|
|
||||||
for index_uid in indexes {
|
|
||||||
if let Some(tasks_set) = self.index_uid_task_ids.get(txn, index_uid)? {
|
|
||||||
candidates |= tasks_set;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
candidates.remove_range((Excluded(from), Unbounded));
|
|
||||||
|
|
||||||
let iter = candidates
|
|
||||||
.into_iter()
|
|
||||||
.rev()
|
|
||||||
.filter_map(|id| self.get(txn, id).transpose());
|
|
||||||
|
|
||||||
Ok(iter)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[cfg(test)]
|
|
||||||
pub mod test {
|
|
||||||
use itertools::Itertools;
|
|
||||||
use meilisearch_types::index_uid::IndexUid;
|
|
||||||
use milli::heed::EnvOpenOptions;
|
|
||||||
use nelson::Mocker;
|
|
||||||
use tempfile::TempDir;
|
|
||||||
|
|
||||||
use crate::tasks::task::TaskContent;
|
|
||||||
|
|
||||||
use super::*;
|
|
||||||
|
|
||||||
/// TODO: use this mock to test the task store properly.
|
|
||||||
#[allow(dead_code)]
|
|
||||||
pub enum MockStore {
|
|
||||||
Real(Store),
|
|
||||||
Fake(Mocker),
|
|
||||||
}
|
|
||||||
|
|
||||||
pub struct TmpEnv(TempDir, Arc<milli::heed::Env>);
|
|
||||||
|
|
||||||
impl TmpEnv {
|
|
||||||
pub fn env(&self) -> Arc<milli::heed::Env> {
|
|
||||||
self.1.clone()
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn tmp_env() -> TmpEnv {
|
|
||||||
let tmp = tempfile::tempdir().unwrap();
|
|
||||||
|
|
||||||
let mut options = EnvOpenOptions::new();
|
|
||||||
options.map_size(4096 * 100000);
|
|
||||||
options.max_dbs(1000);
|
|
||||||
let env = Arc::new(options.open(tmp.path()).unwrap());
|
|
||||||
|
|
||||||
TmpEnv(tmp, env)
|
|
||||||
}
|
|
||||||
|
|
||||||
impl MockStore {
|
|
||||||
pub fn new(env: Arc<milli::heed::Env>) -> Result<Self> {
|
|
||||||
Ok(Self::Real(Store::new(env)?))
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn wtxn(&self) -> Result<RwTxn> {
|
|
||||||
match self {
|
|
||||||
MockStore::Real(index) => index.wtxn(),
|
|
||||||
MockStore::Fake(_) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn rtxn(&self) -> Result<RoTxn> {
|
|
||||||
match self {
|
|
||||||
MockStore::Real(index) => index.rtxn(),
|
|
||||||
MockStore::Fake(_) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn next_task_id(&self, txn: &mut RwTxn) -> Result<TaskId> {
|
|
||||||
match self {
|
|
||||||
MockStore::Real(index) => index.next_task_id(txn),
|
|
||||||
MockStore::Fake(_) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn put(&self, txn: &mut RwTxn, task: &Task) -> Result<()> {
|
|
||||||
match self {
|
|
||||||
MockStore::Real(index) => index.put(txn, task),
|
|
||||||
MockStore::Fake(_) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn get(&self, txn: &RoTxn, id: TaskId) -> Result<Option<Task>> {
|
|
||||||
match self {
|
|
||||||
MockStore::Real(index) => index.get(txn, id),
|
|
||||||
MockStore::Fake(_) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn fetch_unfinished_tasks(
|
|
||||||
&self,
|
|
||||||
txn: &RoTxn,
|
|
||||||
from: Option<TaskId>,
|
|
||||||
) -> Result<Vec<Task>> {
|
|
||||||
match self {
|
|
||||||
MockStore::Real(index) => index.fetch_unfinished_tasks(txn, from),
|
|
||||||
MockStore::Fake(_) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn list_tasks(
|
|
||||||
&self,
|
|
||||||
txn: &RoTxn,
|
|
||||||
from: Option<TaskId>,
|
|
||||||
filter: Option<TaskFilter>,
|
|
||||||
limit: Option<usize>,
|
|
||||||
) -> Result<Vec<Task>> {
|
|
||||||
match self {
|
|
||||||
MockStore::Real(index) => index.list_tasks(txn, from, filter, limit),
|
|
||||||
MockStore::Fake(_) => todo!(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
#[test]
|
|
||||||
fn test_ordered_filtered_updates() {
|
|
||||||
let tmp = tmp_env();
|
|
||||||
let store = Store::new(tmp.env()).unwrap();
|
|
||||||
|
|
||||||
let tasks = (0..100)
|
|
||||||
.map(|_| Task {
|
|
||||||
id: rand::random(),
|
|
||||||
content: TaskContent::IndexDeletion {
|
|
||||||
index_uid: IndexUid::new_unchecked("test"),
|
|
||||||
},
|
|
||||||
events: vec![],
|
|
||||||
})
|
|
||||||
.collect::<Vec<_>>();
|
|
||||||
|
|
||||||
let mut txn = store.env.write_txn().unwrap();
|
|
||||||
tasks
|
|
||||||
.iter()
|
|
||||||
.try_for_each(|t| store.put(&mut txn, t))
|
|
||||||
.unwrap();
|
|
||||||
|
|
||||||
let mut filter = TaskFilter::default();
|
|
||||||
filter.filter_index("test".into());
|
|
||||||
|
|
||||||
let tasks = store.list_tasks(&txn, None, Some(filter), None).unwrap();
|
|
||||||
|
|
||||||
assert!(tasks
|
|
||||||
.iter()
|
|
||||||
.map(|t| t.id)
|
|
||||||
.tuple_windows()
|
|
||||||
.all(|(a, b)| a > b));
|
|
||||||
}
|
|
||||||
|
|
||||||
#[test]
|
|
||||||
fn test_filter_same_index_prefix() {
|
|
||||||
let tmp = tmp_env();
|
|
||||||
let store = Store::new(tmp.env()).unwrap();
|
|
||||||
|
|
||||||
let task_1 = Task {
|
|
||||||
id: 1,
|
|
||||||
content: TaskContent::IndexDeletion {
|
|
||||||
index_uid: IndexUid::new_unchecked("test"),
|
|
||||||
},
|
|
||||||
events: vec![],
|
|
||||||
};
|
|
||||||
|
|
||||||
let task_2 = Task {
|
|
||||||
id: 0,
|
|
||||||
content: TaskContent::IndexDeletion {
|
|
||||||
index_uid: IndexUid::new_unchecked("test1"),
|
|
||||||
},
|
|
||||||
events: vec![],
|
|
||||||
};
|
|
||||||
|
|
||||||
let mut txn = store.wtxn().unwrap();
|
|
||||||
store.put(&mut txn, &task_1).unwrap();
|
|
||||||
store.put(&mut txn, &task_2).unwrap();
|
|
||||||
|
|
||||||
let mut filter = TaskFilter::default();
|
|
||||||
filter.filter_index("test".into());
|
|
||||||
|
|
||||||
let tasks = store.list_tasks(&txn, None, Some(filter), None).unwrap();
|
|
||||||
|
|
||||||
txn.abort().unwrap();
|
|
||||||
assert_eq!(tasks.len(), 1);
|
|
||||||
assert_eq!(tasks.first().as_ref().unwrap().index_uid().unwrap(), "test");
|
|
||||||
|
|
||||||
// same thing but invert the ids
|
|
||||||
let task_1 = Task {
|
|
||||||
id: 0,
|
|
||||||
content: TaskContent::IndexDeletion {
|
|
||||||
index_uid: IndexUid::new_unchecked("test"),
|
|
||||||
},
|
|
||||||
events: vec![],
|
|
||||||
};
|
|
||||||
let task_2 = Task {
|
|
||||||
id: 1,
|
|
||||||
content: TaskContent::IndexDeletion {
|
|
||||||
index_uid: IndexUid::new_unchecked("test1"),
|
|
||||||
},
|
|
||||||
events: vec![],
|
|
||||||
};
|
|
||||||
|
|
||||||
let mut txn = store.wtxn().unwrap();
|
|
||||||
store.put(&mut txn, &task_1).unwrap();
|
|
||||||
store.put(&mut txn, &task_2).unwrap();
|
|
||||||
|
|
||||||
let mut filter = TaskFilter::default();
|
|
||||||
filter.filter_index("test".into());
|
|
||||||
|
|
||||||
let tasks = store.list_tasks(&txn, None, Some(filter), None).unwrap();
|
|
||||||
|
|
||||||
assert_eq!(tasks.len(), 1);
|
|
||||||
assert_eq!(tasks.first().as_ref().unwrap().index_uid().unwrap(), "test");
|
|
||||||
}
|
|
||||||
}
|
|
Loading…
Reference in New Issue
Block a user