autoimport: avoid hard coded temporary directory
[~helmut/debian-dedup.git] / webapp.py
1 #!/usr/bin/python
2
3 import datetime
4 import sqlite3
5 from wsgiref.simple_server import make_server
6
7 import jinja2
8 from werkzeug.exceptions import HTTPException, NotFound
9 from werkzeug.routing import Map, Rule, RequestRedirect
10 from werkzeug.wrappers import Request, Response
11 from werkzeug.wsgi import SharedDataMiddleware
12
13 from dedup.utils import fetchiter
14
15 jinjaenv = jinja2.Environment(loader=jinja2.PackageLoader("dedup", "templates"))
16
17 def format_size(size):
18     size = float(size)
19     fmt = "%d B"
20     if size >= 1024:
21         size /= 1024
22         fmt = "%.1f KB"
23     if size >= 1024:
24         size /= 1024
25         fmt = "%.1f MB"
26     if size >= 1024:
27         size /= 1024
28         fmt = "%.1f GB"
29     return fmt % size
30
31 def function_combination(function1, function2):
32     if function1 == function2:
33         return function1
34     return "%s -> %s" % (function1, function2)
35
36 # Workaround for jinja bug #59 (broken filesizeformat)
37 jinjaenv.filters["filesizeformat"] = format_size
38
39 base_template = jinjaenv.get_template("base.html")
40 package_template = jinjaenv.get_template("binary.html")
41 detail_template = jinjaenv.get_template("compare.html")
42 hash_template = jinjaenv.get_template("hash.html")
43 index_template = jinjaenv.get_template("index.html")
44 source_template = jinjaenv.get_template("source.html")
45
46 def encode_and_buffer(iterator):
47     buff = b""
48     for elem in iterator:
49         buff += elem.encode("utf8")
50         if len(buff) >= 2048:
51             yield buff
52             buff = b""
53     if buff:
54         yield buff
55
56 def html_response(unicode_iterator, max_age=24 * 60 * 60):
57     resp = Response(encode_and_buffer(unicode_iterator), mimetype="text/html")
58     resp.cache_control.max_age = max_age
59     resp.expires = datetime.datetime.now() + datetime.timedelta(seconds=max_age)
60     return resp
61
62 class Application(object):
63     def __init__(self, db):
64         self.db = db
65         self.routingmap = Map([
66             Rule("/", methods=("GET",), endpoint="index"),
67             Rule("/binary/<package>", methods=("GET",), endpoint="package"),
68             Rule("/compare/<package1>/<package2>", methods=("GET",), endpoint="detail"),
69             Rule("/hash/<function>/<hashvalue>", methods=("GET",), endpoint="hash"),
70             Rule("/source/<package>", methods=("GET",), endpoint="source"),
71         ])
72
73     @Request.application
74     def __call__(self, request):
75         mapadapter = self.routingmap.bind_to_environ(request.environ)
76         try:
77             endpoint, args = mapadapter.match()
78             if endpoint == "package":
79                 return self.show_package(args["package"])
80             elif endpoint == "detail":
81                 return self.show_detail(args["package1"], args["package2"])
82             elif endpoint == "hash":
83                 if args["function"] == "image_sha512":
84                     # backwards compatibility
85                     raise RequestRedirect("%s/hash/png_sha512/%s" %
86                                           (request.environ["SCRIPT_NAME"],
87                                            args["hashvalue"]))
88                 return self.show_hash(args["function"], args["hashvalue"])
89             elif endpoint == "index":
90                 if not request.environ["PATH_INFO"]:
91                     raise RequestRedirect(request.environ["SCRIPT_NAME"] + "/")
92                 return html_response(index_template.render(dict(urlroot="")))
93             elif endpoint == "source":
94                 return self.show_source(args["package"])
95             raise NotFound()
96         except HTTPException as e:
97             return e
98
99     def get_details(self, package):
100         cur = self.db.cursor()
101         cur.execute("SELECT id, version, architecture FROM package WHERE name = ?;",
102                     (package,))
103         row = cur.fetchone()
104         if not row:
105             raise NotFound()
106         pid, version, architecture = row
107         details = dict(pid=pid,
108                        package=package,
109                        version=version,
110                        architecture=architecture)
111         cur.execute("SELECT count(filename), sum(size) FROM content WHERE pid = ?;",
112                     (pid,))
113         num_files, total_size = cur.fetchone()
114         if total_size is None:
115             total_size = 0
116         details.update(dict(num_files=num_files, total_size=total_size))
117         return details
118
119     def get_dependencies(self, pid):
120         cur = self.db.cursor()
121         cur.execute("SELECT required FROM dependency WHERE pid = ?;",
122                     (pid,))
123         return set(row[0] for row in fetchiter(cur))
124
125     def cached_sharedstats(self, pid):
126         cur = self.db.cursor()
127         sharedstats = {}
128         cur.execute("SELECT pid2, package.name, f1.name, f2.name, files, size FROM sharing JOIN package ON sharing.pid2 = package.id JOIN function AS f1 ON sharing.fid1 = f1.id JOIN function AS f2 ON sharing.fid2 = f2.id WHERE pid1 = ? AND f1.eqclass = f2.eqclass;",
129                     (pid,))
130         for pid2, package2, func1, func2, files, size in fetchiter(cur):
131             curstats = sharedstats.setdefault(
132                     function_combination(func1, func2), list())
133             if pid2 == pid:
134                 package2 = None
135             curstats.append(dict(package=package2, duplicate=files, savable=size))
136         return sharedstats
137
138     def show_package(self, package):
139         params = self.get_details(package)
140         params["dependencies"] = self.get_dependencies(params["pid"])
141         params["shared"] = self.cached_sharedstats(params["pid"])
142         params["urlroot"] = ".."
143         cur = self.db.cursor()
144         cur.execute("SELECT content.filename, issue.issue FROM content JOIN issue ON content.id = issue.cid WHERE content.pid = ?;",
145                     (params["pid"],))
146         params["issues"] = dict(cur.fetchall())
147         cur.close()
148         return html_response(package_template.render(params))
149
150     def compute_comparison(self, pid1, pid2):
151         """Compute a sequence of comparison objects ordery by the size of the
152         object in the first package. Each element of the sequence is a dict
153         defining the following keys:
154          * filenames: A set of filenames in package 1 (pid1) all referring to
155            the same object.
156          * size: Size of the object in bytes.
157          * matches: A mapping from filenames in package 2 (pid2) to a mapping
158            from hash function pairs to hash values.
159         """
160         cur = self.db.cursor()
161         cur.execute("SELECT content.id, content.filename, content.size, hash.hash FROM content JOIN hash ON content.id = hash.cid JOIN duplicate ON content.id = duplicate.cid JOIN function ON hash.fid = function.id WHERE pid = ? AND function.name = 'sha512' ORDER BY size DESC;",
162                     (pid1,))
163         cursize = -1
164         files = dict()
165         minmatch = 2 if pid1 == pid2 else 1
166         for cid, filename, size, hashvalue in fetchiter(cur):
167             if cursize != size:
168                 for entry in files.values():
169                     if len(entry["matches"]) >= minmatch:
170                         yield entry
171                 files.clear()
172                 cursize = size
173
174             if hashvalue in files:
175                 files[hashvalue]["filenames"].add(filename)
176                 continue
177
178             entry = dict(filenames=set((filename,)), size=size, matches={})
179             files[hashvalue] = entry
180
181             cur2 = self.db.cursor()
182             cur2.execute("SELECT fa.name, ha.hash, fb.name, filename FROM hash AS ha JOIN hash AS hb ON ha.hash = hb.hash JOIN content ON hb.cid = content.id JOIN function AS fa ON ha.fid = fa.id JOIN function AS fb ON hb.fid = fb.id WHERE ha.cid = ? AND pid = ?;",
183                          (cid, pid2))
184             for func1, hashvalue, func2, filename in fetchiter(cur2):
185                 entry["matches"].setdefault(filename, {})[func1, func2] = \
186                         hashvalue
187             cur2.close()
188         cur.close()
189
190         for entry in files.values():
191             if len(entry["matches"]) >= minmatch:
192                 yield entry
193
194     def show_detail(self, package1, package2):
195         details1 = details2 = self.get_details(package1)
196         if package1 != package2:
197             details2 = self.get_details(package2)
198
199         shared = self.compute_comparison(details1["pid"], details2["pid"])
200         params = dict(
201             details1=details1,
202             details2=details2,
203             urlroot="../..",
204             shared=shared)
205         return html_response(detail_template.stream(params))
206
207     def show_hash(self, function, hashvalue):
208         cur = self.db.cursor()
209         cur.execute("SELECT package.name, content.filename, content.size, f2.name FROM hash JOIN content ON hash.cid = content.id JOIN package ON content.pid = package.id JOIN function AS f2 ON hash.fid = f2.id JOIN function AS f1 ON f2.eqclass = f1.eqclass WHERE f1.name = ? AND hash = ?;",
210                     (function, hashvalue,))
211         entries = [dict(package=package, filename=filename, size=size,
212                         function=otherfunc)
213                    for package, filename, size, otherfunc in fetchiter(cur)]
214         if not entries:
215             raise NotFound()
216         params = dict(function=function, hashvalue=hashvalue, entries=entries,
217                       urlroot="../..")
218         return html_response(hash_template.render(params))
219
220     def show_source(self, package):
221         cur = self.db.cursor()
222         cur.execute("SELECT name FROM package WHERE source = ?;",
223                     (package,))
224         binpkgs = dict.fromkeys(pkg for pkg, in fetchiter(cur))
225         if not binpkgs:
226             raise NotFound
227         cur.execute("SELECT p1.name, p2.name, f1.name, f2.name, sharing.files, sharing.size FROM sharing JOIN package AS p1 ON sharing.pid1 = p1.id JOIN package AS p2 ON sharing.pid2 = p2.id JOIN function AS f1 ON sharing.fid1 = f1.id JOIN function AS f2 ON sharing.fid2 = f2.id WHERE p1.source = ?;",
228                     (package,))
229         for binary, otherbin, func1, func2, files, size in fetchiter(cur):
230             entry = dict(package=otherbin,
231                          funccomb=function_combination(func1, func2),
232                          duplicate=files, savable=size)
233             oldentry = binpkgs.get(binary)
234             if not (oldentry and oldentry["savable"] >= size):
235                 binpkgs[binary] = entry
236         params = dict(source=package, packages=binpkgs, urlroot="..")
237         return html_response(source_template.render(params))
238
239 def main():
240     app = Application(sqlite3.connect("test.sqlite3"))
241     app = SharedDataMiddleware(app, {"/": ("dedup", "static")})
242     make_server("0.0.0.0", 8800, app).serve_forever()
243
244 if __name__ == "__main__":
245     main()