rdnf-0.2

rdnf 0.2 思路

indradb

indradb图数据库是基于kv存储引擎，主要是基于rocksdb。基本元素主要有三：Edge、Vertex、Property（包含edge_property、vertex_property）。

原理如下

• VertexManager

  • key：vertex.id
  • value：vertex.identifier

• EdgeRangeManager

  • key:[edge.outbound_id,edge.identifier,edge.inbound_id]
  • value:null

  因为key是排序过的，故可通过迭代的方式查找对应 inbound_id的集合，即vertex.id集合。

  同理可得ReversedEdgeRangeManager

  • key[edge.inbound_id,edge.identifier,edge.outbound_id]
  • value:null

• VertexPropertyManager

  • key:[vertex.id,identifier]
  • value:json

• EdgePropertyManager

  • key:[edge.outbound_id,edge.identifier,edge.inbound_id,identifier]
  • value:json

• VertexPropertyManager

  • key:[identifier,json,vertex_id]
  • value:null

  通过迭代遍历排序过的key，得到对应的vertex_id，或得到对应的json和vertex_id

• EdgePropertyManager

  • key:[identifier,json,edge.outbound_id,edge.identifier,edge.inbound]
  • value:null

  同上

图数据库建模

最初的方案设计是name、arch单独作为一个(identifer,value)，但是这会造成大量kv键值对，数据库的写入压力非常大。故而软件包的元数据信息包装成为pkgdetail和formatdetail。同样的，将requires由类似与provides的边关系，转变为property。

每个package provides多个entry,每个package requires多个entry。

Repo

按照优先级有三层repo

• cmd_repo:有这样的场景: dnf install file:///…x86_64.rpm https://…i686.rpm 将url的rpm下载到本地，将这些本地的rpm文件，解析其头文件，将元数据导入到cmd_repo，由于是用户指定的rpm文件，故而优先级最高。
• installed_repo: 操作系统将已经安装后的rpm包的元数据信息，导入到rpmdb.sqlite文件中，路径一般为 /var/lib/rpm/rpmdb.sqlite ，由于操作的不便，目前采用的是将rpmdb.sqlite的数据导入到installed_repo，根据rpmdb.sqlite的sqlite_sequence 和installed_seq中的记载来判断是否需要同步。在使用rdnf的同时，对rpmdb.sqlite文件加锁。
• repos： 将多个远程的软件包仓库的元数据xml文件解析成Vec<Repo>

SAT依赖解析

每个package requires多个Entry

对每个requier_entry:<rpm:entry name=“0ad-data” flags=“EQ” epoch=“0” ver=“0.0.26”/>，将其解析为SolveItem

pub(self) struct SolveItem {
    entry_name: Arc<String>,
    ver: Version,
    flag: Option<String>,
}
其中，pub struct Version {
    pub epoch: Option<u32>,
    pub version: Option<String>,
    pub release: Option<String>,
}

依次从cmd_repo、installed_repo、repos查找能够提供满足需要的Entry的Package ($P_i,i=1,2,..m$)。

• provide 语义

$$\begin{gathered} (P_1\vee P_2\vee P_3..\vee P_m\vee \neg Entr{y}_1) \\ 当Entr{y}_1为True，则P_1..P_m中至少有一个必须为True \end{gathered}$$

• require 语义：对于Package的reuqire Entry

$$\begin{gathered} (Entr{y}_i\vee \neg Package) \\ 当Package为True,则Entr{y}_i必为True \\ 由公式(1)可得，提供Entr{y}_i的多个package至少有一个为True. \end{gathered}$$

• conflict : $Packag{e}_A$对于conflict entry，满足entry条件的多个package ($P_i,i=1,2,..m$)

$$(\neg P_A\vee \neg P_i)\wedge (\neg P_A\vee \neg P_2)...\wedge (\neg P_A\vee \neg P_m)$$

• obsolete同上。

当Require为Term时，即类似于**((feh and xrandr) if Xserver)**的
$$\begin{gathered} (\neg Package\vee Ter{m}_{out})\wedge (\neg Ter{m}_{out}\vee \neg Entr{y}_{Xserver}\vee Ter{m}_{in}) \\ \wedge (\neg Ter{m}_{in}\vee Entr{y}_{feh})\wedge (\neg Ter{m}_{in}\vee Entr{y}_{xrandr}) \end{gathered}$$

• 对于or 语义 (a or b or c)，a、b、c既可以是Entry_id也可以是Term_id

$$(A\vee B\vee C\vee \neg Term)$$

• 对于and 语义(a and b and c)
  $$(\neg Term\vee A)\wedge (\neg Term\vee B)\wedge (\neg Term\vee c)$$

• 对于 if 语义 (m if p)
  $$\begin{gathered} Term\to (P\to M) \\ (\neg Term\vee \neg P\vee M) \end{gathered}$$

• 对于 if else 语义 (m if p else n)
  $$\begin{gathered} Term\to (P\to M) \\ Term\to (\neg P\to N) \\ (\neg Term\vee \neg P\vee M)\wedge (\neg Term\vee P\vee N) \end{gathered}$$

​ unless unless else 同上。

• 对于with 语义，通过满足多个Entry的多个pkg 的交集,without 即减集

下一步目标

• makecache 构建缓存后，再次调用 rdnf其他命令，可能会出现报错（某个文件不存在）（Bug）
• 目前使用sat算法求解器是 varisat，该求解器的策略是，用最少数量为True的变量满足所有的Clause，不符合要求。在or 语义和provide语义中，package应该是存在优先级的，即先按arch(x86_64一定是优于i686)、然后是按repo排序(cmd_repo > install_repo > repos，其中repos是按配置文件中的priority排序)。需要对sat求解算法改进。
• 在本地建立缓存，使用的rocksdb效果不是很理想，kv分离的lsm树存储引擎比较理想，例如badger。