Plánovač a updater

Modul services/scheduler používá Quartz. Stejný image se v nkp-deploy spouští dvakrát s jiným argumentem.

Režimy scheduleru

cz.inovatika.SchedulerMain vyžaduje právě jeden argument:

• harvester - zaregistruje denní harvest job; po sklizni spustí úplný updater,
• updater - spustí interní službu pro cílené přepočty bez časovaného full updater jobu,
• updater-once - jednou synchronně spustí úplný updater a proces ukončí,
• all - spustí interní službu a denní harvest job v jednom procesu.

Bez argumentu nebo s jinou hodnotou proces skončí chybou. Compose používá oddělené služby:

harvester:
  command: ["harvester"]

updater:
  command: ["updater"]

To umožňuje obě služby restartovat a sledovat nezávisle.

Časování

Trigger harvesteru používá startNow() a interval 24 hodin. Praktický důsledek je:

• po startu/restartu kontejneru se úloha spustí ihned,
• harvester poté běží přibližně denně,
• po dokončení každé úspěšné sklizně se ihned spustí úplný updater,
• updater nemá samostatný časovaný trigger.

Interval je v současnosti zapsaný v kódu, není v app.conf.

Harvester job

cz.inovatika.HarvesterJob načte konfiguraci, spustí inkrementální sklizeň všech instancí a po jejím úspěšném dokončení ihned spustí úplný UpdaterImpl. Chybějící timestamp způsobí plnou sklizeň dané instance. Dřívější ruční metody fullHarvest() a incrementalHarvest() nejsou aktivní veřejné CLI.

Updater job

cz.inovatika.UpdaterJob umí načíst konfiguraci a spustit UpdaterImpl, ale není samostatně registrován do Quartz scheduleru. Úplný běh vyvolává HarvesterJob.

Aktuální updater:

1. Projde smlouvy v core contracts.
2. Podle ČČNB/ISSN najde odpovídající tituly.
3. Licence s prefixem knihovny doplní do assigned_licenses, pokud daný titul skutečně náleží odpovídající knihovně.
4. Cursor pagingem projde všechny dokumenty v titles po 100 vstupech.
5. Zvolí kurátorsky opravený nebo sklizený rok vydání.
6. Znovu vyhodnotí workflow včetně posledního autora a zvláštních typů autorství.
7. Doplní chybějící štítek pro titul bez root_title.
8. Aktualizuje release_year, i když se stav nemění.
9. Změny zapisuje po dávkách 200 a explicitně commituje titles.

Změny workflow se zapisují s uživatelem Updater.

Cílený přepočet z webové aplikace

Proces updateru poslouchá na interním portu 8081:

POST /internal/workflow/recalculate
Content-Type: application/json
Authorization: Bearer <workflowUpdate.token>

{
  "pids": ["uuid:..."],
  "requestedBy": "uzivatel",
  "cause": "last_year_death"
}

Požadavky z webové aplikace používají jednovláknovou frontu. Cílený přepočet načte aktuální dokument a při zápisu používá Solr _version_; konflikt způsobí nové načtení a nejvýše tři pokusy. Změna stavu potom vyvolá také přepočet kořenového titulu.

Endpoint vrací HTTP 200 s výsledkem jednotlivých PIDů. Pokud požadavek čeká ve frontě déle než workflowUpdate.responseTimeoutSeconds, vrátí HTTP 202 a zpracování pokračuje. Fronta není perzistentní a volání z webové aplikace je best-effort; úplný běh updateru zůstává záložním mechanismem.

Webová aplikace při těchto změnách zapisuje pouze vstupní údaje, například last_year_death, date_issued_year_kapp a příznaky autorství. Odvozené pole release_year počítá a zapisuje výhradně updater. Ruční kurátorská změna stavu zůstává samostatnou explicitní operací webové aplikace.

Harvester po zapsání a commitnutí všech sklizených titulů spustí úplný updater přímo. Ten proto provede také kontrolu smluv a přepočítá celý core titles.

Kandidátní filtr

Kód obsahuje builder kandidátního filtru podle roků a příznaků. V aktuálním běhu však není filtr připojen k Solr dotazu; updater záměrně prochází všechny tituly. Při odhadu času a zatížení proto vycházejte z celé velikosti core titles.

Last-author updater

single-use-services/last-author-updater je samostatná jednorázová aplikace, nikoli Quartz job. Páruje hodnoty last_author_excel s core authors, zapisuje upravená autoritní data k titulům a může připravit podklady pro další workflow přepočet.

Spuštění a volby jsou popsané v části Tabulkové importy a poslední autor.

Ruční spuštění

Před prvním lokálním spuštěním sestavte a nainstalujte backendové moduly:

.\mvnw.cmd install -DskipTests

Jednotlivé režimy pak spustíte přes POM příslušného modulu:

.\mvnw.cmd -f services/scheduler/pom.xml exec:java '-Dexec.args=harvester'
.\mvnw.cmd -f services/scheduler/pom.xml exec:java '-Dexec.args=updater'
.\mvnw.cmd -f services/scheduler/pom.xml exec:java '-Dexec.args=updater-once'
.\mvnw.cmd -f single-use-services/last-author-updater/pom.xml exec:java '-Dexec.args=<volby>'

V produkci preferujte příslušnou Compose službu, protože používá správné volume a síťové názvy.