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