cookbooks/planet/files/default/replication-bin/replicate-changesets

   1 #!/usr/bin/ruby
   2
   3 require "rubygems"
   4 require "pg"
   5 require "yaml"
   6 require "time"
   7 require "fileutils"
   8 require "xml/libxml"
   9 require "zlib"
  10 require "set"
  11
  12 # after this many changes, a changeset will be closed
  13 CHANGES_LIMIT = 50000
  14
  15 # this is the scale factor for lat/lon values stored as integers in the database
  16 GEO_SCALE = 10000000
  17
  18 ##
  19 # changeset class keeps some information about changesets downloaded from the
  20 # database - enough to let us know which changesets are closed/open & recently
  21 # closed.
  22 class Changeset
  23   attr_reader :id, :created_at, :closed_at, :num_changes
  24
  25   def initialize(row)
  26     @id = row["id"].to_i
  27     @created_at = Time.parse(row["created_at"])
  28     @closed_at = Time.parse(row["closed_at"])
  29     @num_changes = row["num_changes"].to_i
  30   end
  31
  32   def closed?(t)
  33     (@closed_at < t) || (@num_changes >= CHANGES_LIMIT)
  34   end
  35
  36   def open?(t)
  37     !closed?(t)
  38   end
  39
  40   def activity_between?(t1, t2)
  41     ((@closed_at >= t1) && (@closed_at < t2)) || ((@created_at >= t1) && (@created_at < t2))
  42   end
  43 end
  44
  45 ##
  46 # state and connections associated with getting changeset data
  47 # replicated to a file.
  48 class Replicator
  49   def initialize(config)
  50     @config = YAML.load(File.read(config))
  51     @state = YAML.load(File.read(@config["state_file"]))
  52     @conn = PGconn.connect(@config["db"])
  53     @now = Time.now.getutc
  54   end
  55
  56   def open_changesets
  57     last_run = @state["last_run"]
  58     last_run = (@now - 60) if last_run.nil?
  59     @state["last_run"] = @now
  60     # pretty much all operations on a changeset will modify its closed_at
  61     # time (see rails_port's changeset model). so it is probably enough
  62     # for us to look at anything that was closed recently, and filter from
  63     # there.
  64     changesets = @conn
  65       .exec("select id, created_at, closed_at, num_changes from changesets where closed_at > ((now() at time zone 'utc') - '1 hour'::interval)")
  66       .map { |row| Changeset.new(row) }
  67       .select { |cs| cs.activity_between?(last_run, @now) }
  68
  69     # set for faster presence lookups by ID
  70     cs_ids = Set.new(changesets.map { |c| c.id })
  71
  72     # but also add any changesets which have new comments
  73     new_ids = @conn
  74       .exec("select distinct changeset_id from changeset_comments where created_at >= '#{last_run}' and created_at < '#{@now}' and visible")
  75       .map { |row| row["changeset_id"].to_i }
  76       .select { |c_id| not cs_ids.include?(c_id) }
  77
  78     new_ids.each do |id|
  79       @conn
  80         .exec("select id, created_at, closed_at, num_changes from changesets where id=#{id}")
  81         .map { |row| Changeset.new(row) }
  82         .each { |cs| changesets << cs }
  83     end
  84
  85     changesets.sort_by { |cs| cs.id }
  86   end
  87
  88   # creates an XML file containing the changeset information from the
  89   # list of changesets output by open_changesets.
  90   def changeset_dump(changesets)
  91     doc = XML::Document.new
  92     doc.root = XML::Node.new("osm")
  93     { "version" => "0.6",
  94       "generator" => "replicate_changesets.rb",
  95       "copyright" => "OpenStreetMap and contributors",
  96       "attribution" => "http://www.openstreetmap.org/copyright",
  97       "license" => "http://opendatacommons.org/licenses/odbl/1-0/" }
  98       .each { |k, v| doc.root[k] = v }
  99
 100     changesets.each do |cs|
 101       xml = XML::Node.new("changeset")
 102       xml["id"] = cs.id.to_s
 103       xml["created_at"] = cs.created_at.getutc.xmlschema
 104       xml["closed_at"] = cs.closed_at.getutc.xmlschema if cs.closed?(@now)
 105       xml["open"] = cs.open?(@now).to_s
 106       xml["num_changes"] = cs.num_changes.to_s
 107
 108       res = @conn.exec("select u.id, u.display_name, c.min_lat, c.max_lat, c.min_lon, c.max_lon from users u join changesets c on u.id=c.user_id where c.id=#{cs.id}")
 109       xml["user"] = res[0]["display_name"]
 110       xml["uid"] = res[0]["id"]
 111
 112       unless res[0]["min_lat"].nil? ||
 113              res[0]["max_lat"].nil? ||
 114              res[0]["min_lon"].nil? ||
 115              res[0]["max_lon"].nil?
 116         xml["min_lat"] = (res[0]["min_lat"].to_f / GEO_SCALE).to_s
 117         xml["max_lat"] = (res[0]["max_lat"].to_f / GEO_SCALE).to_s
 118         xml["min_lon"] = (res[0]["min_lon"].to_f / GEO_SCALE).to_s
 119         xml["max_lon"] = (res[0]["max_lon"].to_f / GEO_SCALE).to_s
 120       end
 121
 122       res = @conn.exec("select k, v from changeset_tags where changeset_id=#{cs.id}")
 123       res.each do |row|
 124         tag = XML::Node.new("tag")
 125         tag["k"] = row["k"]
 126         tag["v"] = row["v"]
 127         xml << tag
 128       end
 129
 130       # grab the visible changeset comments as well
 131       res = @conn.exec("select cc.author_id, u.display_name as author, cc.body, cc.created_at from changeset_comments cc join users u on cc.author_id=u.id where cc.changeset_id=#{cs.id} and cc.visible order by cc.created_at asc")
 132       xml["comments_count"] = res.num_tuples.to_s
 133       if res.num_tuples > 0
 134         discussion = XML::Node.new("discussion")
 135         res.each do |row|
 136           comment = XML::Node.new("comment")
 137           comment["uid"] = row["author_id"]
 138           comment["user"] = row["author"]
 139           comment["date"] = Time.parse(row["created_at"]).getutc.xmlschema
 140           text = XML::Node.new("text")
 141           text.content = row["body"]
 142           comment << text
 143           discussion << comment
 144         end
 145         xml << discussion
 146       end
 147
 148       doc.root << xml
 149     end
 150
 151     doc.to_s
 152   end
 153
 154   # saves new state (including the changeset dump xml)
 155   def save!
 156     File.open(@config["state_file"], "r") do |fl|
 157       fl.flock(File::LOCK_EX)
 158
 159       sequence = (@state.key?("sequence") ? @state["sequence"] + 1 : 0)
 160       data_file = @config["data_dir"] + format("/%03d/%03d/%03d.osm.gz", sequence / 1000000, (sequence / 1000) % 1000, (sequence % 1000))
 161       tmp_state = @config["state_file"] + ".tmp"
 162       tmp_data = "/tmp/changeset_data.osm.tmp"
 163       # try and write the files to tmp locations and then
 164       # move them into place later, to avoid in-progress
 165       # clashes, or people seeing incomplete files.
 166       begin
 167         FileUtils.mkdir_p(File.dirname(data_file))
 168         Zlib::GzipWriter.open(tmp_data) do |fh|
 169           fh.write(changeset_dump(open_changesets))
 170         end
 171         @state["sequence"] = sequence
 172         File.open(tmp_state, "w") do |fh|
 173           fh.write(YAML.dump(@state))
 174         end
 175         FileUtils.mv(tmp_data, data_file)
 176         FileUtils.mv(tmp_state, @config["state_file"])
 177         fl.flock(File::LOCK_UN)
 178
 179       rescue
 180         STDERR.puts("Error! Couldn't update state.")
 181         fl.flock(File::LOCK_UN)
 182         raise
 183       end
 184     end
 185   end
 186 end
 187
 188 rep = Replicator.new(ARGV[0])
 189 rep.save!