nominatim/indexer/indexer.py

   1 # SPDX-License-Identifier: GPL-2.0-only
   2 #
   3 # This file is part of Nominatim. (https://nominatim.org)
   4 #
   5 # Copyright (C) 2022 by the Nominatim developer community.
   6 # For a full list of authors see the git log.
   7 """
   8 Main work horse for indexing (computing addresses) the database.
   9 """
  10 from typing import Optional, Any, cast
  11 import logging
  12 import time
  13
  14 import psycopg2.extras
  15
  16 from nominatim.tokenizer.base import AbstractTokenizer
  17 from nominatim.indexer.progress import ProgressLogger
  18 from nominatim.indexer import runners
  19 from nominatim.db.async_connection import DBConnection, WorkerPool
  20 from nominatim.db.connection import connect, Connection, Cursor
  21 from nominatim.typing import DictCursorResults
  22
  23 LOG = logging.getLogger()
  24
  25
  26 class PlaceFetcher:
  27     """ Asynchronous connection that fetches place details for processing.
  28     """
  29     def __init__(self, dsn: str, setup_conn: Connection) -> None:
  30         self.wait_time = 0.0
  31         self.current_ids: Optional[DictCursorResults] = None
  32         self.conn: Optional[DBConnection] = DBConnection(dsn,
  33                                                cursor_factory=psycopg2.extras.DictCursor)
  34
  35         with setup_conn.cursor() as cur:
  36             # need to fetch those manually because register_hstore cannot
  37             # fetch them on an asynchronous connection below.
  38             hstore_oid = cur.scalar("SELECT 'hstore'::regtype::oid")
  39             hstore_array_oid = cur.scalar("SELECT 'hstore[]'::regtype::oid")
  40
  41         psycopg2.extras.register_hstore(self.conn.conn, oid=hstore_oid,
  42                                         array_oid=hstore_array_oid)
  43
  44     def close(self) -> None:
  45         """ Close the underlying asynchronous connection.
  46         """
  47         if self.conn:
  48             self.conn.close()
  49             self.conn = None
  50
  51
  52     def fetch_next_batch(self, cur: Cursor, runner: runners.Runner) -> bool:
  53         """ Send a request for the next batch of places.
  54             If details for the places are required, they will be fetched
  55             asynchronously.
  56
  57             Returns true if there is still data available.
  58         """
  59         ids = cast(Optional[DictCursorResults], cur.fetchmany(100))
  60
  61         if not ids:
  62             self.current_ids = None
  63             return False
  64
  65         assert self.conn is not None
  66         self.current_ids = runner.get_place_details(self.conn, ids)
  67
  68         return True
  69
  70     def get_batch(self) -> DictCursorResults:
  71         """ Get the next batch of data, previously requested with
  72             `fetch_next_batch`.
  73         """
  74         assert self.conn is not None
  75         assert self.conn.cursor is not None
  76
  77         if self.current_ids is not None and not self.current_ids:
  78             tstart = time.time()
  79             self.conn.wait()
  80             self.wait_time += time.time() - tstart
  81             self.current_ids = cast(Optional[DictCursorResults],
  82                                     self.conn.cursor.fetchall())
  83
  84         return self.current_ids if self.current_ids is not None else []
  85
  86     def __enter__(self) -> 'PlaceFetcher':
  87         return self
  88
  89
  90     def __exit__(self, exc_type: Any, exc_value: Any, traceback: Any) -> None:
  91         assert self.conn is not None
  92         self.conn.wait()
  93         self.close()
  94
  95
  96 class Indexer:
  97     """ Main indexing routine.
  98     """
  99
 100     def __init__(self, dsn: str, tokenizer: AbstractTokenizer, num_threads: int):
 101         self.dsn = dsn
 102         self.tokenizer = tokenizer
 103         self.num_threads = num_threads
 104
 105
 106     def has_pending(self) -> bool:
 107         """ Check if any data still needs indexing.
 108             This function must only be used after the import has finished.
 109             Otherwise it will be very expensive.
 110         """
 111         with connect(self.dsn) as conn:
 112             with conn.cursor() as cur:
 113                 cur.execute("SELECT 'a' FROM placex WHERE indexed_status > 0 LIMIT 1")
 114                 return cur.rowcount > 0
 115
 116
 117     def index_full(self, analyse: bool = True) -> None:
 118         """ Index the complete database. This will first index boundaries
 119             followed by all other objects. When `analyse` is True, then the
 120             database will be analysed at the appropriate places to
 121             ensure that database statistics are updated.
 122         """
 123         with connect(self.dsn) as conn:
 124             conn.autocommit = True
 125
 126             def _analyze() -> None:
 127                 if analyse:
 128                     with conn.cursor() as cur:
 129                         cur.execute('ANALYZE')
 130
 131             self.index_by_rank(0, 4)
 132             _analyze()
 133
 134             self.index_boundaries(0, 30)
 135             _analyze()
 136
 137             self.index_by_rank(5, 25)
 138             _analyze()
 139
 140             self.index_by_rank(26, 30)
 141             _analyze()
 142
 143             self.index_postcodes()
 144             _analyze()
 145
 146
 147     def index_boundaries(self, minrank: int, maxrank: int) -> None:
 148         """ Index only administrative boundaries within the given rank range.
 149         """
 150         LOG.warning("Starting indexing boundaries using %s threads",
 151                     self.num_threads)
 152
 153         with self.tokenizer.name_analyzer() as analyzer:
 154             for rank in range(max(minrank, 4), min(maxrank, 26)):
 155                 self._index(runners.BoundaryRunner(rank, analyzer))
 156
 157     def index_by_rank(self, minrank: int, maxrank: int) -> None:
 158         """ Index all entries of placex in the given rank range (inclusive)
 159             in order of their address rank.
 160
 161             When rank 30 is requested then also interpolations and
 162             places with address rank 0 will be indexed.
 163         """
 164         maxrank = min(maxrank, 30)
 165         LOG.warning("Starting indexing rank (%i to %i) using %i threads",
 166                     minrank, maxrank, self.num_threads)
 167
 168         with self.tokenizer.name_analyzer() as analyzer:
 169             for rank in range(max(1, minrank), maxrank + 1):
 170                 self._index(runners.RankRunner(rank, analyzer), 20 if rank == 30 else 1)
 171
 172             if maxrank == 30:
 173                 self._index(runners.RankRunner(0, analyzer))
 174                 self._index(runners.InterpolationRunner(analyzer), 20)
 175
 176
 177     def index_postcodes(self) -> None:
 178         """Index the entries ofthe location_postcode table.
 179         """
 180         LOG.warning("Starting indexing postcodes using %s threads", self.num_threads)
 181
 182         self._index(runners.PostcodeRunner(), 20)
 183
 184
 185     def update_status_table(self) -> None:
 186         """ Update the status in the status table to 'indexed'.
 187         """
 188         with connect(self.dsn) as conn:
 189             with conn.cursor() as cur:
 190                 cur.execute('UPDATE import_status SET indexed = true')
 191
 192             conn.commit()
 193
 194     def _index(self, runner: runners.Runner, batch: int = 1) -> None:
 195         """ Index a single rank or table. `runner` describes the SQL to use
 196             for indexing. `batch` describes the number of objects that
 197             should be processed with a single SQL statement
 198         """
 199         LOG.warning("Starting %s (using batch size %s)", runner.name(), batch)
 200
 201         with connect(self.dsn) as conn:
 202             psycopg2.extras.register_hstore(conn)
 203             with conn.cursor() as cur:
 204                 total_tuples = cur.scalar(runner.sql_count_objects())
 205                 LOG.debug("Total number of rows: %i", total_tuples)
 206
 207             conn.commit()
 208
 209             progress = ProgressLogger(runner.name(), total_tuples)
 210
 211             if total_tuples > 0:
 212                 with conn.cursor(name='places') as cur:
 213                     cur.execute(runner.sql_get_objects())
 214
 215                     with PlaceFetcher(self.dsn, conn) as fetcher:
 216                         with WorkerPool(self.dsn, self.num_threads) as pool:
 217                             has_more = fetcher.fetch_next_batch(cur, runner)
 218                             while has_more:
 219                                 places = fetcher.get_batch()
 220
 221                                 # asynchronously get the next batch
 222                                 has_more = fetcher.fetch_next_batch(cur, runner)
 223
 224                                 # And insert the curent batch
 225                                 for idx in range(0, len(places), batch):
 226                                     part = places[idx:idx + batch]
 227                                     LOG.debug("Processing places: %s", str(part))
 228                                     runner.index_places(pool.next_free_worker(), part)
 229                                     progress.add(len(part))
 230
 231                             LOG.info("Wait time: fetcher: %.2fs,  pool: %.2fs",
 232                                      fetcher.wait_time, pool.wait_time)
 233
 234                 conn.commit()
 235
 236         progress.done()