git-archimport-script

   1 #!/usr/bin/perl -w
   2 #
   3 # This tool is copyright (c) 2005, Martin Langhoff.
   4 # It is released under the Gnu Public License, version 2.
   5 #
   6 # The basic idea is to walk the output of tla abrowse,
   7 # fetch the changesets and apply them.
   8 #
   9 =head1 Invocation
  10
  11     git-archimport-script -i <archive>/<branch> [<archive>/<branch>]
  12     [ <archive>/<branch> ]
  13
  14     The script expects you to provide the key roots where it can start the
  15     import from an 'initial import' or 'tag' type of Arch commit. It will
  16     then follow all the branching and tagging within the provided roots.
  17
  18     It will die if it sees branches that have different roots.
  19
  20 =head2 TODO
  21
  22  - keep track of merged patches, and mark a git merge when it happens
  23  - smarter rules to parse the archive history "up" and "down"
  24  - be able to continue an import where we left off
  25  - audit shell-escaping of filenames
  26
  27 =head1 Devel tricks
  28
  29 Add print in front of the shell commands invoked via backticks.
  30
  31 =cut
  32
  33 use strict;
  34 use warnings;
  35 use Getopt::Std;
  36 use File::Spec;
  37 use File::Temp qw(tempfile);
  38 use File::Path qw(mkpath);
  39 use File::Basename qw(basename dirname);
  40 use String::ShellQuote;
  41 use Time::Local;
  42 use IO::Socket;
  43 use IO::Pipe;
  44 use POSIX qw(strftime dup2);
  45 use Data::Dumper qw/ Dumper /;
  46 use IPC::Open2;
  47
  48 $SIG{'PIPE'}="IGNORE";
  49 $ENV{'TZ'}="UTC";
  50
  51 our($opt_h,$opt_v, $opt_T,
  52     $opt_C,$opt_t, $opt_i);
  53
  54 sub usage() {
  55     print STDERR <<END;
  56 Usage: ${\basename $0}     # fetch/update GIT from Arch
  57        [ -h ] [ -v ] [ -i ] [ -T ]
  58        [ -C GIT_repository ] [ -t tempdir ]
  59        repository/arch-branch [ repository/arch-branch] ...
  60 END
  61     exit(1);
  62 }
  63
  64 getopts("hviC:t:") or usage();
  65 usage if $opt_h;
  66
  67 @ARGV >= 1 or usage();
  68 my @arch_roots = @ARGV;
  69
  70 my $tmp = $opt_t;
  71 $tmp ||= '/tmp';
  72 $tmp .= '/git-archimport/';
  73
  74 my $git_tree = $opt_C;
  75 $git_tree ||= ".";
  76
  77
  78 my @psets  = ();                # the collection
  79
  80 foreach my $root (@arch_roots) {
  81     my ($arepo, $abranch) = split(m!/!, $root);
  82     open ABROWSE, "tla abrowse -f -A $arepo --desc --merges $abranch |"
  83         or die "Problems with tla abrowse: $!";
  84
  85     my %ps        = ();         # the current one
  86     my $mode      = '';
  87     my $lastseen  = '';
  88
  89     while (<ABROWSE>) {
  90         chomp;
  91
  92         # first record padded w 8 spaces
  93         if (s/^\s{8}\b//) {
  94
  95             # store the record we just captured
  96             if (%ps) {
  97                 my %temp = %ps; # break references
  98                 push (@psets, \%temp);
  99                 %ps = ();
 100             }
 101
 102             my ($id, $type) = split(m/\s{3}/, $_);
 103             $ps{id}   = $id;
 104             $ps{repo} = $arepo;
 105
 106             # deal with types
 107             if ($type =~ m/^\(simple changeset\)/) {
 108                 $ps{type} = 's';
 109             } elsif ($type eq '(initial import)') {
 110                 $ps{type} = 'i';
 111             } elsif ($type =~ m/^\(tag revision of (.+)\)/) {
 112                 $ps{type} = 't';
 113                 $ps{tag}  = $1;
 114             } else {
 115                 warn "Unknown type $type";
 116             }
 117             $lastseen = 'id';
 118         }
 119
 120         if (s/^\s{10}//) {
 121             # 10 leading spaces or more
 122             # indicate commit metadata
 123
 124             # date & author
 125             if ($lastseen eq 'id' && m/^\d{4}-\d{2}-\d{2}/) {
 126
 127                 my ($date, $authoremail) = split(m/\s{2,}/, $_);
 128                 $ps{date}   = $date;
 129                 $ps{date}   =~ s/\bGMT$//; # strip off trailign GMT
 130                 if ($ps{date} =~ m/\b\w+$/) {
 131                     warn 'Arch dates not in GMT?! - imported dates will be wrong';
 132                 }
 133
 134                 $authoremail =~ m/^(.+)\s(\S+)$/;
 135                 $ps{author} = $1;
 136                 $ps{email}  = $2;
 137
 138                 $lastseen = 'date';
 139
 140             } elsif ($lastseen eq 'date') {
 141                 # the only hint is position
 142                 # subject is after date
 143                 $ps{subj} = $_;
 144                 $lastseen = 'subj';
 145
 146             } elsif ($lastseen eq 'subj' && $_ eq 'merges in:') {
 147                 $ps{merges} = [];
 148                 $lastseen = 'merges';
 149
 150             } elsif ($lastseen eq 'merges' && s/^\s{2}//) {
 151                 push (@{$ps{merges}}, $_);
 152             } else {
 153                 warn 'more metadata after merges!?';
 154             }
 155
 156         }
 157     }
 158
 159     if (%ps) {
 160         my %temp = %ps;         # break references
 161         push (@psets, \%temp);
 162         %ps = ();
 163     }
 164     close ABROWSE;
 165 }                               # end foreach $root
 166
 167 ## Order patches by time
 168 @psets = sort {$a->{date}.$b->{id} cmp $b->{date}.$b->{id}} @psets;
 169
 170 #print Dumper \@psets;
 171
 172 ##
 173 ## TODO cleanup irrelevant patches
 174 ##      and put an initial import
 175 ##      or a full tag
 176
 177 if ($opt_i) {                   # initial import
 178     if ($psets[0]{type} eq 'i' || $psets[0]{type} eq 't') {
 179         print "Starting import from $psets[0]{id}\n";
 180     } else {
 181         die "Need to start from an import or a tag -- cannot use $psets[0]{id}";
 182     }
 183     `git-init-db`;
 184     die $! if $?;
 185 }
 186
 187 # process
 188 my $lastbranch = branchname($psets[0]{id}); # only good for initial import
 189 my $importseen = $opt_i ? 0 : 1; # start at 1 if opt_i
 190
 191 foreach my $ps (@psets) {
 192
 193     $ps->{branch} =  branchname($ps->{id});
 194
 195     #
 196     # ensure we have a clean state
 197     #
 198     if (`git diff-files`) {
 199         die "Unclean tree when about to process $ps->{id} " .
 200             " - did we fail to commit cleanly before?";
 201     }
 202     die $! if $?;
 203
 204     #
 205     # create the branch if needed
 206     #
 207     if ($ps->{type} eq 'i' && $importseen) {
 208         die "Should not have more than one 'Initial import' per GIT import";
 209     }
 210
 211     unless ($opt_i && !$importseen) { # skip for first commit
 212         if ( -e ".git/refs/heads/$ps->{branch}") {
 213             # we know about this branch
 214             `git checkout    $ps->{branch}`;
 215         } else {
 216             # new branch! we need to verify a few things
 217             die "Branch on a non-tag!" unless $ps->{type} eq 't';
 218             my $branchpoint = ptag($ps->{tag});
 219             die "Tagging from unknown id unsupported: $ps->{tag}"
 220                 unless $branchpoint;
 221
 222             # find where we are supposed to branch from
 223             `git checkout -b $ps->{branch} $branchpoint`;
 224         }
 225         die $! if $?;
 226     }
 227
 228
 229     #
 230     # Apply the import/changeset/merge into the working tree
 231     #
 232     if ($ps->{type} eq 'i' || $ps->{type} eq 't') {
 233         $importseen = 1;
 234         apply_import($ps) or die $!;
 235     } elsif ($ps->{type} eq 's') {
 236         apply_cset($ps);
 237     }
 238
 239     #
 240     # prepare update git's index, based on what arch knows
 241     # about the pset, resolve parents, etc
 242     #
 243     my $tree;
 244
 245     my $commitlog = `tla cat-archive-log -A $ps->{repo} $ps->{id}`;
 246     die "Error in cat-archive-log: $!" if $?;
 247
 248     # parselog will git-add/rm files
 249     # and generally prepare things for the commit
 250     # NOTE: parselog will shell-quote filenames!
 251     my ($sum, $msg, $add, $del, $mod, $ren) = parselog($commitlog);
 252     my $logmessage = "$sum\n$msg";
 253
 254
 255     # imports don't give us good info
 256     # on added files. Shame on them
 257     if ($ps->{type} eq 'i' || $ps->{type} eq 't') {
 258         `find . -type f -print0 | grep -zv '^./.git' | xargs -0 -l100 git-update-cache --add`;
 259         `git-ls-files --deleted -z | xargs --no-run-if-empty -0 -l100 git-update-cache --remove`;
 260     }
 261
 262     if (@$add) {
 263         while (@$add) {
 264             my @slice = splice(@$add, 0, 100);
 265             my $slice = join(' ', @slice);
 266             `git-update-cache --add $slice`;
 267             die "Error in git-update-cache --add: $!" if $?;
 268         }
 269     }
 270     if (@$del) {
 271         foreach my $file (@$del) {
 272             unlink $file or die "Problems deleting $file : $!";
 273         }
 274         while (@$del) {
 275             my @slice = splice(@$del, 0, 100);
 276             my $slice = join(' ', @slice);
 277             `git-update-cache --remove $slice`;
 278             die "Error in git-update-cache --remove: $!" if $?;
 279         }
 280     }
 281     if (@$ren) {                # renamed
 282         if (@$ren % 2) {
 283             die "Odd number of entries in rename!?";
 284         }
 285         ;
 286         while (@$ren) {
 287             my $from = pop @$ren;
 288             my $to   = pop @$ren;
 289
 290             unless (-d dirname($to)) {
 291                 mkpath(dirname($to)); # will die on err
 292             }
 293             #print "moving $from $to";
 294             `mv $from $to`;
 295             die "Error renaming $from $to : $!" if $?;
 296             `git-update-cache --remove $from`;
 297             die "Error in git-update-cache --remove: $!" if $?;
 298             `git-update-cache --add $to`;
 299             die "Error in git-update-cache --add: $!" if $?;
 300         }
 301
 302     }
 303     if (@$mod) {                # must be _after_ renames
 304         while (@$mod) {
 305             my @slice = splice(@$mod, 0, 100);
 306             my $slice = join(' ', @slice);
 307             `git-update-cache $slice`;
 308             die "Error in git-update-cache: $!" if $?;
 309         }
 310     }
 311
 312     # warn "errors when running git-update-cache! $!";
 313     $tree = `git-write-tree`;
 314     die "cannot write tree $!" if $?;
 315     chomp $tree;
 316
 317
 318     #
 319     # Who's your daddy?
 320     #
 321     my @par;
 322     if ( -e ".git/refs/heads/$ps->{branch}") {
 323         if (open HEAD, "<.git/refs/heads/$ps->{branch}") {
 324             my $p = <HEAD>;
 325             close HEAD;
 326             chomp $p;
 327             push @par, '-p', $p;
 328         } else {
 329             if ($ps->{type} eq 's') {
 330                 warn "Could not find the right head for the branch $ps->{branch}";
 331             }
 332         }
 333     }
 334
 335     my $par = join (' ', @par);
 336
 337     #
 338     # Commit, tag and clean state
 339     #
 340     $ENV{TZ}                  = 'GMT';
 341     $ENV{GIT_AUTHOR_NAME}     = $ps->{author};
 342     $ENV{GIT_AUTHOR_EMAIL}    = $ps->{email};
 343     $ENV{GIT_AUTHOR_DATE}     = $ps->{date};
 344     $ENV{GIT_COMMITTER_NAME}  = $ps->{author};
 345     $ENV{GIT_COMMITTER_EMAIL} = $ps->{email};
 346     $ENV{GIT_COMMITTER_DATE}  = $ps->{date};
 347
 348     my ($pid, $commit_rh, $commit_wh);
 349     $commit_rh = 'commit_rh';
 350     $commit_wh = 'commit_wh';
 351
 352     $pid = open2(*READER, *WRITER, "git-commit-tree $tree $par")
 353         or die $!;
 354     print WRITER $logmessage;   # write
 355     close WRITER;
 356     my $commitid = <READER>;    # read
 357     chomp $commitid;
 358     close READER;
 359     waitpid $pid,0;             # close;
 360
 361     if (length $commitid != 40) {
 362         die "Something went wrong with the commit! $! $commitid";
 363     }
 364     #
 365     # Update the branch
 366     #
 367     open  HEAD, ">.git/refs/heads/$ps->{branch}";
 368     print HEAD $commitid;
 369     close HEAD;
 370     unlink ('.git/HEAD');
 371     symlink("refs/heads/$ps->{branch}",".git/HEAD");
 372
 373     # tag accordingly
 374     ptag($ps->{id}, $commitid); # private tag
 375     if ($opt_T || $ps->{type} eq 't' || $ps->{type} eq 'i') {
 376         tag($ps->{id}, $commitid);
 377     }
 378     print " * Committed $ps->{id}\n";
 379     print "   + tree   $tree\n";
 380     print "   + commit $commitid\n";
 381     # print "   + commit date is  $ps->{date} \n";
 382 }
 383
 384 sub branchname {
 385     my $id = shift;
 386     $id =~ s#^.+?/##;
 387     my @parts = split(m/--/, $id);
 388     return join('--', @parts[0..1]);
 389 }
 390
 391 sub apply_import {
 392     my $ps = shift;
 393     my $bname = branchname($ps->{id});
 394
 395     `mkdir -p $tmp`;
 396
 397     `tla get -s --no-pristine -A $ps->{repo} $ps->{id} $tmp/import`;
 398     die "Cannot get import: $!" if $?;
 399     `rsync -v --archive --delete --exclude '.git' --exclude '.arch-ids' --exclude '{arch}' $tmp/import/* ./`;
 400     die "Cannot rsync import:$!" if $?;
 401
 402     `rm -fr $tmp/import`;
 403     die "Cannot remove tempdir: $!" if $?;
 404
 405
 406     return 1;
 407 }
 408
 409 sub apply_cset {
 410     my $ps = shift;
 411
 412     `mkdir -p $tmp`;
 413
 414     # get the changeset
 415     `tla get-changeset  -A $ps->{repo} $ps->{id} $tmp/changeset`;
 416     die "Cannot get changeset: $!" if $?;
 417
 418     # apply patches
 419     if (`find $tmp/changeset/patches -type f -name '*.patch'`) {
 420         # this can be sped up considerably by doing
 421         #    (find | xargs cat) | patch
 422         # but that cna get mucked up by patches
 423         # with missing trailing newlines or the standard
 424         # 'missing newline' flag in the patch - possibly
 425         # produced with an old/buggy diff.
 426         # slow and safe, we invoke patch once per patchfile
 427         `find $tmp/changeset/patches -type f -name '*.patch' -print0 | grep -zv '{arch}' | xargs -iFILE -0 --no-run-if-empty patch -p1 --forward -iFILE`;
 428         die "Problem applying patches! $!" if $?;
 429     }
 430
 431     # apply changed binary files
 432     if (my @modified = `find $tmp/changeset/patches -type f -name '*.modified'`) {
 433         foreach my $mod (@modified) {
 434             chomp $mod;
 435             my $orig = $mod;
 436             $orig =~ s/\.modified$//; # lazy
 437             $orig =~ s!^\Q$tmp\E/changeset/patches/!!;
 438             #print "rsync -p '$mod' '$orig'";
 439             `rsync -p $mod ./$orig`;
 440             die "Problem applying binary changes! $!" if $?;
 441         }
 442     }
 443
 444     # bring in new files
 445     `rsync --archive --exclude '.git' --exclude '.arch-ids' --exclude '{arch}' $tmp/changeset/new-files-archive/* ./`;
 446
 447     # deleted files are hinted from the commitlog processing
 448
 449     `rm -fr $tmp/changeset`;
 450 }
 451
 452
 453 # =for reference
 454 # A log entry looks like
 455 # Revision: moodle-org--moodle--1.3.3--patch-15
 456 # Archive: arch-eduforge@catalyst.net.nz--2004
 457 # Creator: Penny Leach <penny@catalyst.net.nz>
 458 # Date: Wed May 25 14:15:34 NZST 2005
 459 # Standard-date: 2005-05-25 02:15:34 GMT
 460 # New-files: lang/de/.arch-ids/block_glossary_random.php.id
 461 #     lang/de/.arch-ids/block_html.php.id
 462 # New-directories: lang/de/help/questionnaire
 463 #     lang/de/help/questionnaire/.arch-ids
 464 # Renamed-files: .arch-ids/db_sears.sql.id db/.arch-ids/db_sears.sql.id
 465 #    db_sears.sql db/db_sears.sql
 466 # Removed-files: lang/be/docs/.arch-ids/release.html.id
 467 #     lang/be/docs/.arch-ids/releaseold.html.id
 468 # Modified-files: admin/cron.php admin/delete.php
 469 #     admin/editor.html backup/lib.php backup/restore.php
 470 # New-patches: arch-eduforge@catalyst.net.nz--2004/moodle-org--moodle--1.3.3--patch-15
 471 # Summary: Updating to latest from MOODLE_14_STABLE (1.4.5+)
 472 # Keywords:
 473 #
 474 # Updating yadda tadda tadda madda
 475 sub parselog {
 476     my $log = shift;
 477     #print $log;
 478
 479     my (@add, @del, @mod, @ren, @kw, $sum, $msg );
 480
 481     if ($log =~ m/(?:\n|^)New-files:(.*?)(?=\n\w)/s ) {
 482         my $files = $1;
 483         @add = split(m/\s+/s, $files);
 484     }
 485
 486     if ($log =~ m/(?:\n|^)Removed-files:(.*?)(?=\n\w)/s ) {
 487         my $files = $1;
 488         @del = split(m/\s+/s, $files);
 489     }
 490
 491     if ($log =~ m/(?:\n|^)Modified-files:(.*?)(?=\n\w)/s ) {
 492         my $files = $1;
 493         @mod = split(m/\s+/s, $files);
 494     }
 495
 496     if ($log =~ m/(?:\n|^)Renamed-files:(.*?)(?=\n\w)/s ) {
 497         my $files = $1;
 498         @ren = split(m/\s+/s, $files);
 499     }
 500
 501     $sum ='';
 502     if ($log =~ m/^Summary:(.+?)$/m ) {
 503         $sum = $1;
 504         $sum =~ s/^\s+//;
 505         $sum =~ s/\s+$//;
 506     }
 507
 508     $msg = '';
 509     if ($log =~ m/\n\n(.+)$/s) {
 510         $msg = $1;
 511         $msg =~ s/^\s+//;
 512         $msg =~ s/\s+$//;
 513     }
 514
 515
 516     # cleanup the arrays
 517     foreach my $ref ( (\@add, \@del, \@mod, \@ren) ) {
 518         my @tmp = ();
 519         while (my $t = pop @$ref) {
 520             next unless length ($t);
 521             next if $t =~ m!\{arch\}/!;
 522             next if $t =~ m!\.arch-ids/!;
 523             next if $t =~ m!\.arch-inventory$!;
 524             push (@tmp, shell_quote($t));
 525         }
 526         @$ref = @tmp;
 527     }
 528
 529     #print Dumper [$sum, $msg, \@add, \@del, \@mod, \@ren];
 530     return       ($sum, $msg, \@add, \@del, \@mod, \@ren);
 531 }
 532
 533 # write/read a tag
 534 sub tag {
 535     my ($tag, $commit) = @_;
 536     $tag =~ s|/|--|g;
 537     $tag = shell_quote($tag);
 538
 539     if ($commit) {
 540         open(C,">.git/refs/tags/$tag")
 541             or die "Cannot create tag $tag: $!\n";
 542         print C "$commit\n"
 543             or die "Cannot write tag $tag: $!\n";
 544         close(C)
 545             or die "Cannot write tag $tag: $!\n";
 546         print "Created tag '$tag' on '$commit'\n" if $opt_v;
 547     } else {                    # read
 548         open(C,"<.git/refs/tags/$tag")
 549             or die "Cannot read tag $tag: $!\n";
 550         $commit = <C>;
 551         chomp $commit;
 552         die "Error reading tag $tag: $!\n" unless length $commit == 40;
 553         close(C)
 554             or die "Cannot read tag $tag: $!\n";
 555         return $commit;
 556     }
 557 }
 558
 559 # write/read a private tag
 560 # reads fail softly if the tag isn't there
 561 sub ptag {
 562     my ($tag, $commit) = @_;
 563     $tag =~ s|/|--|g;
 564     $tag = shell_quote($tag);
 565
 566     unless (-d '.git/archimport/tags') {
 567         mkpath('.git/archimport/tags');
 568     }
 569
 570     if ($commit) {              # write
 571         open(C,">.git/archimport/tags/$tag")
 572             or die "Cannot create tag $tag: $!\n";
 573         print C "$commit\n"
 574             or die "Cannot write tag $tag: $!\n";
 575         close(C)
 576             or die "Cannot write tag $tag: $!\n";
 577     } else {                    # read
 578         # if the tag isn't there, return 0
 579         unless ( -s ".git/archimport/tags/$tag") {
 580             warn "Could not find tag $tag -- perhaps it isn't in the repos we have?\n"
 581                 if $opt_v;
 582             return 0;
 583         }
 584         open(C,"<.git/archimport/tags/$tag")
 585             or die "Cannot read tag $tag: $!\n";
 586         $commit = <C>;
 587         chomp $commit;
 588         die "Error reading tag $tag: $!\n" unless length $commit == 40;
 589         close(C)
 590             or die "Cannot read tag $tag: $!\n";
 591         return $commit;
 592     }
 593 }