Code Coverage
 
Lines
Functions and Methods
Classes and Traits
Total
0.00% covered (danger)
0.00%
0 / 198
0.00% covered (danger)
0.00%
0 / 6
CRAP
0.00% covered (danger)
0.00%
0 / 1
CopyFileBackend
0.00% covered (danger)
0.00%
0 / 198
0.00% covered (danger)
0.00%
0 / 6
3540
0.00% covered (danger)
0.00%
0 / 1
 __construct
0.00% covered (danger)
0.00%
0 / 13
0.00% covered (danger)
0.00%
0 / 1
2
 execute
0.00% covered (danger)
0.00%
0 / 73
0.00% covered (danger)
0.00%
0 / 1
552
 getListingDiffRel
0.00% covered (danger)
0.00%
0 / 18
0.00% covered (danger)
0.00%
0 / 1
42
 copyFileBatch
0.00% covered (danger)
0.00%
0 / 55
0.00% covered (danger)
0.00%
0 / 1
272
 delFileBatch
0.00% covered (danger)
0.00%
0 / 19
0.00% covered (danger)
0.00%
0 / 1
30
 filesAreSame
0.00% covered (danger)
0.00%
0 / 20
0.00% covered (danger)
0.00%
0 / 1
72
1<?php
2/**
3 * Copy all files in some containers of one backend to another.
4 *
5 * This program is free software; you can redistribute it and/or modify
6 * it under the terms of the GNU General Public License as published by
7 * the Free Software Foundation; either version 2 of the License, or
8 * (at your option) any later version.
9 *
10 * This program is distributed in the hope that it will be useful,
11 * but WITHOUT ANY WARRANTY; without even the implied warranty of
12 * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
13 * GNU General Public License for more details.
14 *
15 * You should have received a copy of the GNU General Public License along
16 * with this program; if not, write to the Free Software Foundation, Inc.,
17 * 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA.
18 * http://www.gnu.org/copyleft/gpl.html
19 *
20 * @file
21 * @ingroup Maintenance
22 */
23
24use Wikimedia\FileBackend\FileBackend;
25
26// @codeCoverageIgnoreStart
27require_once __DIR__ . '/Maintenance.php';
28// @codeCoverageIgnoreEnd
29
30/**
31 * Copy all files in one container of one backend to another.
32 *
33 * This can also be used to re-shard the files for one backend using the
34 * config of second backend. The second backend should have the same config
35 * as the first, except for it having a different name and different sharding
36 * configuration. The backend should be made read-only while this runs.
37 * After this script finishes, the old files in the containers can be deleted.
38 *
39 * @ingroup Maintenance
40 */
41class CopyFileBackend extends Maintenance {
42    /** @var array|null (path sha1 => stat) Pre-computed dst stat entries from listings */
43    protected $statCache = null;
44
45    public function __construct() {
46        parent::__construct();
47        $this->addDescription( 'Copy files in one backend to another.' );
48        $this->addOption( 'src', 'Backend containing the source files', true, true );
49        $this->addOption( 'dst', 'Backend where files should be copied to', true, true );
50        $this->addOption( 'containers', 'Pipe separated list of containers', true, true );
51        $this->addOption( 'subdir', 'Only do items in this child directory', false, true );
52        $this->addOption( 'ratefile', 'File to check periodically for batch size', false, true );
53        $this->addOption( 'prestat', 'Stat the destination files first (try to use listings)' );
54        $this->addOption( 'skiphash', 'Skip SHA-1 sync checks for files' );
55        $this->addOption( 'missingonly', 'Only copy files missing from destination listing' );
56        $this->addOption( 'syncviadelete', 'Delete destination files missing from source listing' );
57        $this->addOption( 'utf8only', 'Skip source files that do not have valid UTF-8 names' );
58        $this->setBatchSize( 50 );
59    }
60
61    public function execute() {
62        $backendGroup = $this->getServiceContainer()->getFileBackendGroup();
63        $src = $backendGroup->get( $this->getOption( 'src' ) );
64        $dst = $backendGroup->get( $this->getOption( 'dst' ) );
65        $containers = explode( '|', $this->getOption( 'containers' ) );
66        $subDir = rtrim( $this->getOption( 'subdir', '' ), '/' );
67
68        $rateFile = $this->getOption( 'ratefile' );
69
70        foreach ( $containers as $container ) {
71            if ( $subDir != '' ) {
72                $backendRel = "$container/$subDir";
73                $this->output( "Doing container '$container', directory '$subDir'...\n" );
74            } else {
75                $backendRel = $container;
76                $this->output( "Doing container '$container'...\n" );
77            }
78
79            if ( $this->hasOption( 'missingonly' ) ) {
80                $this->output( "\tBuilding list of missing files..." );
81                $srcPathsRel = $this->getListingDiffRel( $src, $dst, $backendRel );
82                $this->output( count( $srcPathsRel ) . " file(s) need to be copied.\n" );
83            } else {
84                $srcPathsRel = $src->getFileList( [
85                    'dir' => $src->getRootStoragePath() . "/$backendRel",
86                    'adviseStat' => true // avoid HEADs
87                ] );
88                if ( $srcPathsRel === null ) {
89                    $this->fatalError( "Could not list files in $container." );
90                }
91            }
92
93            if ( $this->getOption( 'prestat' ) && !$this->hasOption( 'missingonly' ) ) {
94                // Build the stat cache for the destination files
95                $this->output( "\tBuilding destination stat cache..." );
96                $dstPathsRel = $dst->getFileList( [
97                    'dir' => $dst->getRootStoragePath() . "/$backendRel",
98                    'adviseStat' => true // avoid HEADs
99                ] );
100                if ( $dstPathsRel === null ) {
101                    $this->fatalError( "Could not list files in $container." );
102                }
103                $this->statCache = [];
104                foreach ( $dstPathsRel as $dstPathRel ) {
105                    $path = $dst->getRootStoragePath() . "/$backendRel/$dstPathRel";
106                    $this->statCache[sha1( $path )] = $dst->getFileStat( [ 'src' => $path ] );
107                }
108                $this->output( "done [" . count( $this->statCache ) . " file(s)]\n" );
109            }
110
111            $this->output( "\tCopying file(s)...\n" );
112            $count = 0;
113            $batchPaths = [];
114            foreach ( $srcPathsRel as $srcPathRel ) {
115                // Check up on the rate file periodically to adjust the concurrency
116                if ( $rateFile && ( !$count || ( $count % 500 ) == 0 ) ) {
117                    $this->setBatchSize( max( 1, (int)file_get_contents( $rateFile ) ) );
118                    $this->output( "\tBatch size is now {$this->getBatchSize()}.\n" );
119                }
120                $batchPaths[$srcPathRel] = 1; // remove duplicates
121                if ( count( $batchPaths ) >= $this->getBatchSize() ) {
122                    $this->copyFileBatch( array_keys( $batchPaths ), $backendRel, $src, $dst );
123                    $batchPaths = []; // done
124                }
125                ++$count;
126            }
127            if ( count( $batchPaths ) ) { // left-overs
128                $this->copyFileBatch( array_keys( $batchPaths ), $backendRel, $src, $dst );
129            }
130            $this->output( "\tCopied $count file(s).\n" );
131
132            if ( $this->hasOption( 'syncviadelete' ) ) {
133                $this->output( "\tBuilding list of excess destination files..." );
134                $delPathsRel = $this->getListingDiffRel( $dst, $src, $backendRel );
135                $this->output( count( $delPathsRel ) . " file(s) need to be deleted.\n" );
136
137                $this->output( "\tDeleting file(s)...\n" );
138                $count = 0;
139                $batchPaths = [];
140                foreach ( $delPathsRel as $delPathRel ) {
141                    // Check up on the rate file periodically to adjust the concurrency
142                    if ( $rateFile && ( !$count || ( $count % 500 ) == 0 ) ) {
143                        $this->setBatchSize( max( 1, (int)file_get_contents( $rateFile ) ) );
144                        $this->output( "\tBatch size is now {$this->getBatchSize()}.\n" );
145                    }
146                    $batchPaths[$delPathRel] = 1; // remove duplicates
147                    if ( count( $batchPaths ) >= $this->getBatchSize() ) {
148                        $this->delFileBatch( array_keys( $batchPaths ), $backendRel, $dst );
149                        $batchPaths = []; // done
150                    }
151                    ++$count;
152                }
153                if ( count( $batchPaths ) ) { // left-overs
154                    $this->delFileBatch( array_keys( $batchPaths ), $backendRel, $dst );
155                }
156
157                $this->output( "\tDeleted $count file(s).\n" );
158            }
159
160            if ( $subDir != '' ) {
161                $this->output( "Finished container '$container', directory '$subDir'.\n" );
162            } else {
163                $this->output( "Finished container '$container'.\n" );
164            }
165        }
166
167        $this->output( "Done.\n" );
168    }
169
170    /**
171     * @param FileBackend $src
172     * @param FileBackend $dst
173     * @param string $backendRel
174     * @return string[] (rel paths in $src minus those in $dst)
175     */
176    protected function getListingDiffRel( FileBackend $src, FileBackend $dst, $backendRel ) {
177        $srcPathsRel = $src->getFileList( [
178            'dir' => $src->getRootStoragePath() . "/$backendRel" ] );
179        if ( $srcPathsRel === null ) {
180            $this->fatalError( "Could not list files in source container." );
181        }
182        $dstPathsRel = $dst->getFileList( [
183            'dir' => $dst->getRootStoragePath() . "/$backendRel" ] );
184        if ( $dstPathsRel === null ) {
185            $this->fatalError( "Could not list files in destination container." );
186        }
187        // Get the list of destination files
188        $relFilesDstSha1 = [];
189        foreach ( $dstPathsRel as $dstPathRel ) {
190            $relFilesDstSha1[sha1( $dstPathRel )] = 1;
191        }
192        unset( $dstPathsRel ); // free
193        // Get the list of missing files
194        $missingPathsRel = [];
195        foreach ( $srcPathsRel as $srcPathRel ) {
196            if ( !isset( $relFilesDstSha1[sha1( $srcPathRel )] ) ) {
197                $missingPathsRel[] = $srcPathRel;
198            }
199        }
200        unset( $srcPathsRel ); // free
201
202        return $missingPathsRel;
203    }
204
205    /**
206     * @param string[] $srcPathsRel
207     * @param string $backendRel
208     * @param FileBackend $src
209     * @param FileBackend $dst
210     * @return void
211     */
212    protected function copyFileBatch(
213        array $srcPathsRel, $backendRel, FileBackend $src, FileBackend $dst
214    ) {
215        $ops = [];
216        $fsFiles = [];
217        $copiedRel = []; // for output message
218        $domainId = $src->getDomainId();
219
220        // Download the batch of source files into backend cache...
221        if ( $this->hasOption( 'missingonly' ) ) {
222            $srcPaths = [];
223            foreach ( $srcPathsRel as $srcPathRel ) {
224                $srcPaths[] = $src->getRootStoragePath() . "/$backendRel/$srcPathRel";
225            }
226            $t_start = microtime( true );
227            $fsFiles = $src->getLocalReferenceMulti( [ 'srcs' => $srcPaths, 'latest' => 1 ] );
228            $elapsed_ms = floor( ( microtime( true ) - $t_start ) * 1000 );
229            $this->output( "\n\tDownloaded these file(s) [{$elapsed_ms}ms]:\n\t" .
230                implode( "\n\t", $srcPaths ) . "\n\n" );
231        }
232
233        // Determine what files need to be copied over...
234        foreach ( $srcPathsRel as $srcPathRel ) {
235            $srcPath = $src->getRootStoragePath() . "/$backendRel/$srcPathRel";
236            $dstPath = $dst->getRootStoragePath() . "/$backendRel/$srcPathRel";
237            if ( $this->hasOption( 'utf8only' ) && !mb_check_encoding( $srcPath, 'UTF-8' ) ) {
238                $this->error( "$domainId: Detected illegal (non-UTF8) path for $srcPath." );
239                continue;
240            } elseif ( !$this->hasOption( 'missingonly' )
241                && $this->filesAreSame( $src, $dst, $srcPath, $dstPath )
242            ) {
243                $this->output( "\tAlready have $srcPathRel.\n" );
244                continue; // assume already copied...
245            }
246            $fsFile = array_key_exists( $srcPath, $fsFiles )
247                ? $fsFiles[$srcPath]
248                : $src->getLocalReference( [ 'src' => $srcPath, 'latest' => 1 ] );
249            if ( !$fsFile ) {
250                $src->clearCache( [ $srcPath ] );
251                if ( $src->fileExists( [ 'src' => $srcPath, 'latest' => 1 ] ) === false ) {
252                    $this->error( "$domainId: File '$srcPath' was listed but does not exist." );
253                } else {
254                    $this->error( "$domainId: Could not get local copy of $srcPath." );
255                }
256                continue;
257            } elseif ( !$fsFile->exists() ) {
258                // FSFileBackends just return the path for getLocalReference() and paths with
259                // illegal slashes may get normalized to a different path. This can cause the
260                // local reference to not exist...skip these broken files.
261                $this->error( "$domainId: Detected possible illegal path for $srcPath." );
262                continue;
263            }
264            $fsFiles[] = $fsFile; // keep TempFSFile objects alive as needed
265            // Note: prepare() is usually fast for key/value backends
266            $status = $dst->prepare( [ 'dir' => dirname( $dstPath ), 'bypassReadOnly' => true ] );
267            if ( !$status->isOK() ) {
268                $this->error( $status );
269                $this->fatalError( "$domainId: Could not copy $srcPath to $dstPath." );
270            }
271            $ops[] = [ 'op' => 'store',
272                'src' => $fsFile->getPath(), 'dst' => $dstPath, 'overwrite' => true ];
273            $copiedRel[] = $srcPathRel;
274        }
275
276        // Copy in the batch of source files...
277        $t_start = microtime( true );
278        $status = $dst->doQuickOperations( $ops, [ 'bypassReadOnly' => true ] );
279        if ( !$status->isOK() ) {
280            sleep( 10 ); // wait and retry copy again
281            $status = $dst->doQuickOperations( $ops, [ 'bypassReadOnly' => true ] );
282        }
283        $elapsed_ms = floor( ( microtime( true ) - $t_start ) * 1000 );
284        if ( !$status->isOK() ) {
285            $this->error( $status );
286            $this->fatalError( "$domainId: Could not copy file batch." );
287        } elseif ( count( $copiedRel ) ) {
288            $this->output( "\n\tCopied these file(s) [{$elapsed_ms}ms]:\n\t" .
289                implode( "\n\t", $copiedRel ) . "\n\n" );
290        }
291    }
292
293    /**
294     * @param string[] $dstPathsRel
295     * @param string $backendRel
296     * @param FileBackend $dst
297     * @return void
298     */
299    protected function delFileBatch(
300        array $dstPathsRel, $backendRel, FileBackend $dst
301    ) {
302        $ops = [];
303        $deletedRel = []; // for output message
304        $domainId = $dst->getDomainId();
305
306        // Determine what files need to be copied over...
307        foreach ( $dstPathsRel as $dstPathRel ) {
308            $dstPath = $dst->getRootStoragePath() . "/$backendRel/$dstPathRel";
309            $ops[] = [ 'op' => 'delete', 'src' => $dstPath ];
310            $deletedRel[] = $dstPathRel;
311        }
312
313        // Delete the batch of source files...
314        $t_start = microtime( true );
315        $status = $dst->doQuickOperations( $ops, [ 'bypassReadOnly' => true ] );
316        if ( !$status->isOK() ) {
317            sleep( 10 ); // wait and retry copy again
318            $status = $dst->doQuickOperations( $ops, [ 'bypassReadOnly' => true ] );
319        }
320        $elapsed_ms = floor( ( microtime( true ) - $t_start ) * 1000 );
321        if ( !$status->isOK() ) {
322            $this->error( $status );
323            $this->fatalError( "$domainId: Could not delete file batch." );
324        } elseif ( count( $deletedRel ) ) {
325            $this->output( "\n\tDeleted these file(s) [{$elapsed_ms}ms]:\n\t" .
326                implode( "\n\t", $deletedRel ) . "\n\n" );
327        }
328    }
329
330    /**
331     * @param FileBackend $src
332     * @param FileBackend $dst
333     * @param string $sPath
334     * @param string $dPath
335     * @return bool
336     */
337    protected function filesAreSame( FileBackend $src, FileBackend $dst, $sPath, $dPath ) {
338        $skipHash = $this->hasOption( 'skiphash' );
339        $srcStat = $src->getFileStat( [ 'src' => $sPath ] );
340        $dPathSha1 = sha1( $dPath );
341        if ( $this->statCache !== null ) {
342            // All dst files are already in stat cache
343            $dstStat = $this->statCache[$dPathSha1] ?? false;
344        } else {
345            $dstStat = $dst->getFileStat( [ 'src' => $dPath ] );
346        }
347        // Initial fast checks to see if files are obviously different
348        $sameFast = (
349            is_array( $srcStat )
350            && is_array( $dstStat ) // dest exists
351            && $srcStat['size'] === $dstStat['size']
352        );
353        // More thorough checks against files
354        if ( !$sameFast ) {
355            $same = false; // no need to look farther
356        } elseif ( isset( $srcStat['md5'] ) && isset( $dstStat['md5'] ) ) {
357            // If MD5 was already in the stat info, just use it.
358            // This is useful as many objects stores can return this in object listing,
359            // so we can use it to avoid slow per-file HEADs.
360            $same = ( $srcStat['md5'] === $dstStat['md5'] );
361        } elseif ( $skipHash ) {
362            // This mode is good for copying to a backup location or resyncing clone
363            // backends in FileBackendMultiWrite (since they get writes second, they have
364            // higher timestamps). However, when copying the other way, this hits loads of
365            // false positives (possibly 100%) and wastes a bunch of time on GETs/PUTs.
366            // @phan-suppress-next-line PhanTypeArraySuspiciousNullable
367            $same = ( $srcStat['mtime'] <= $dstStat['mtime'] );
368        } else {
369            // This is the slowest method which does many per-file HEADs (unless an object
370            // store tracks SHA-1 in listings).
371            $same = ( $src->getFileSha1Base36( [ 'src' => $sPath, 'latest' => 1 ] )
372                === $dst->getFileSha1Base36( [ 'src' => $dPath, 'latest' => 1 ] ) );
373        }
374
375        return $same;
376    }
377}
378
379// @codeCoverageIgnoreStart
380$maintClass = CopyFileBackend::class;
381require_once RUN_MAINTENANCE_IF_MAIN;
382// @codeCoverageIgnoreEnd