Grande migrazione forum Drupal, errori e limitazioni dell'importatore

Ciao, questo argomento fornisce un po’ di contesto sulla migrazione che sto lentamente pianificando e testando. Venerdì scorso ho finalmente provato l’importatore Drupal su un VPS di prova, utilizzando una combinazione di questo e questo. L’importatore è ancora in esecuzione mentre scrivo, quindi non sono ancora stato in grado di testare effettivamente la funzionalità del sito di prova, ma sta per finire.

Il problema più grande che sto affrontando è un “valore di chiave duplicato” su 8 nodi apparentemente casuali (l’equivalente degli argomenti in Discourse) su circa 80.000 nodi totali. Questi sono i numeri nid specifici nel caso in cui ci sia un bug matematico strano tipo Y2K:

42081, 53125, 57807, 63932, 66756, 76561, 78250, 82707

Questo stesso errore si verifica sempre sugli stessi nid quando si riesegue l’importatore:

Traceback (most recent call last):
	19: from script/import_scripts/drupal.rb:537:in `<main>'
	18: from /var/www/discourse/script/import_scripts/base.rb:47:in `perform'
	17: from script/import_scripts/drupal.rb:39:in `execute'
	16: from script/import_scripts/drupal.rb:169:in `import_forum_topics'
	15: from /var/www/discourse/script/import_scripts/base.rb:916:in `batches'
	14: from /var/www/discourse/script/import_scripts/base.rb:916:in `loop'
	13: from /var/www/discourse/script/import_scripts/base.rb:917:in `block in batches'
	12: from script/import_scripts/drupal.rb:195:in `block in import_forum_topics'
	11: from /var/www/discourse/script/import_scripts/base.rb:224:in `all_records_exist?'
	10: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-7.0.3.1/lib/active_record/transactions.rb:209:in `transaction'
	 9: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-7.0.3.1/lib/active_record/connection_adapters/abstract/database_statements.rb:316:in `transaction'
	 8: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-7.0.3.1/lib/active_record/connection_adapters/abstract/transaction.rb:317:in `within_new_transaction'
	 7: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activesupport-7.0.3.1/lib/active_support/concurrency/load_interlock_aware_monitor.rb:21:in `synchronize'
	 6: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activesupport-7.0.3.1/lib/active_support/concurrency/load_interlock_aware_monitor.rb:21:in `handle_interrupt'
	 5: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activesupport-7.0.3.1/lib/active_support/concurrency/load_interlock_aware_monitor.rb:25:in `block in synchronize'
	 4: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activesupport-7.0.3.1/lib/active_support/concurrency/load_interlock_aware_monitor.rb:25:in `handle_interrupt'
	 3: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-7.0.3.1/lib/active_record/connection_adapters/abstract/transaction.rb:319:in `block in within_new_transaction'
	 2: from /var/www/discourse/script/import_scripts/base.rb:231:in `block in all_records_exist?'
	 1: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/rack-mini-profiler-3.0.0/lib/patches/db/pg.rb:56:in `exec'
/var/www/discourse/vendor/bundle/ruby/2.7.0/gems/rack-mini-profiler-3.0.0/lib/patches/db/pg.rb:56:in `exec': ERROR:  duplicate key value violates unique constraint "import_ids_pkey" (PG::UniqueViolation)
DETAIL:  Key (val)=(nid:42081) already exists.
	20: from script/import_scripts/drupal.rb:537:in `<main>'
	19: from /var/www/discourse/script/import_scripts/base.rb:47:in `perform'
	18: from script/import_scripts/drupal.rb:39:in `execute'
	17: from script/import_scripts/drupal.rb:169:in `import_forum_topics'
	16: from /var/www/discourse/script/import_scripts/base.rb:916:in `batches'
	15: from /var/www/discourse/script/import_scripts/base.rb:916:in `loop'
	14: from /var/www/discourse/script/import_scripts/base.rb:917:in `block in batches'
	13: from script/import_scripts/drupal.rb:195:in `block in import_forum_topics'
	12: from /var/www/discourse/script/import_scripts/base.rb:224:in `all_records_exist?'
	11: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-7.0.3.1/lib/active_record/transactions.rb:209:in `transaction'
	10: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-7.0.3.1/lib/active_record/connection_adapters/abstract/database_statements.rb:316:in `transaction'
	 9: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-7.0.3.1/lib/active_record/connection_adapters/abstract/transaction.rb:317:in `within_new_transaction'
	 8: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activesupport-7.0.3.1/lib/active_support/concurrency/load_interlock_aware_monitor.rb:21:in `synchronize'
	 7: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activesupport-7.0.3.1/lib/active_support/concurrency/load_interlock_aware_monitor.rb:21:in `handle_interrupt'
	 6: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activesupport-7.0.3.1/lib/active_support/concurrency/load_interlock_aware_monitor.rb:25:in `block in synchronize'
	 5: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activesupport-7.0.3.1/lib/active_support/concurrency/load_interlock_aware_monitor.rb:25:in `handle_interrupt'
	 4: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/activerecord-7.0.3.1/lib/active_record/connection_adapters/abstract/transaction.rb:319:in `block in within_new_transaction'
	 3: from /var/www/discourse/script/import_scripts/base.rb:243:in `block in all_records_exist?'
	 2: from /var/www/discourse/script/import_scripts/base.rb:243:in `ensure in block in all_records_exist?'
	 1: from /var/www/discourse/vendor/bundle/ruby/2.7.0/gems/rack-mini-profiler-3.0.0/lib/patches/db/pg.rb:56:in `exec'
/var/www/discourse/vendor/bundle/ruby/2.7.0/gems/rack-mini-profiler-3.0.0/lib/patches/db/pg.rb:56:in `exec': ERROR:  current transaction is aborted, commands ignored until end of transaction block (PG::InFailedSqlTransaction)

L’unico modo in cui sono riuscito a farlo procedere è stato modificando le condizioni SQL:

...
	 LEFT JOIN node_counter nc ON nc.nid = n.nid
         WHERE n.type = 'forum'
           AND n.status = 1
AND n.nid != 42081
AND n.nid != 53125
AND n.nid != 57807
AND n.nid != 63932
AND n.nid != 66756
AND n.nid != 76561
AND n.nid != 78250
AND n.nid != 82707
         LIMIT #{BATCH_SIZE}
        OFFSET #{offset};
...

Ho ispezionato il primo nodo fallito e i nodi nid precedenti e successivi da entrambi i lati nel database Drupal di origine, e non riesco a vedere nulla di sbagliato. Il nid è impostato come chiave primaria e ha AUTO_INCREMENT, e il sito Drupal originale funziona bene, quindi non ci possono essere problemi fondamentali con l’integrità del database di origine.

nid-1767×527 31.6 KB

nid765×524 30.2 KB

nid+1761×523 29.8 KB

Screenshot from 2022-11-28 08-48-391189×587 80.2 KB

Oltre al bug di cui sopra, queste sono le limitazioni che sto riscontrando con lo script:

1. Permalink: Sembra che lo script di importazione creerà permalink per gli URL dei nodi precedenti example.com/node/XXXXXXX. Ma devo anche mantenere i link a commenti specifici all’interno di quei nodi, che hanno il formato: example.com/comment/YYYYYYY#comment-YYYYYYY (YYYYYYY è lo stesso in entrambe le occorrenze). Lo schema URL di Drupal non include l’ID del nodo a cui è associato il commento, mentre Discourse lo fa (example.com/t/topic-keywords/XXXXXXX/YY), quindi sembra una complicazione importante.

2. Limitazioni sui nomi utente: Drupal consente spazi nei nomi utente. Capisco che Discourse no, almeno non consente ai nuovi utenti di crearli in quel modo. Questo post suggerisce che lo script di importazione “convertirà” automaticamente i nomi utente problematici, ma non vedo alcun codice per questo in /import_scripts/drupal.rb. Aggiornamento: In realtà sembra che Discourse abbia gestito questo automaticamente nel modo corretto.

3. Utenti bannati: Sembra che lo script importi tutti gli utenti, inclusi gli account bannati. Potrei probabilmente aggiungere una condizione abbastanza facilmente alla selezione SQL WHERE status = 1 per importare solo gli account utente attivi, ma non sono sicuro che ciò causerebbe problemi con la serializzazione dei record. Soprattutto, preferirei mantenere quei nomi di account precedentemente bannati con i loro indirizzi email associati permanentemente bloccati in modo che gli stessi utenti problematici non si registrino di nuovo su Discourse.

4. Campi del profilo utente: Qualcuno sa se c’è del codice di esempio in uno degli altri importatori per importare campi di informazioni personali dai profili utente? Ho solo un campo del profilo (“Location”) che devo importare.

5. Avatar (non Gravatar): Sembra piuttosto strano che ci sia codice nell’importatore Drupal per importare Gravatar ma non per le immagini avatar dell’account locale, molto più comunemente utilizzate.

6. Messaggi privati: Quasi tutti i forum Drupal 7 utilizzeranno probabilmente il modulo di terze parti privatemsg (non esiste una funzionalità ufficiale di PM di Drupal). L’importatore non supporta l’importazione di PM. Nel mio caso, devo importarne circa 1,5 milioni.

Grazie in anticipo per il tuo aiuto e per aver reso disponibile lo script di importazione Drupal.

Questo insieme di problemi è abbastanza normale per una grande importazione. Chiunque fosse stato scritto per non si è preoccupato (forse non abbastanza da notare) dei problemi che descrivi.

Il che suona come un bug in Drupal o nel database stesso (gli ID duplicati non dovrebbero accadere). Probabilmente avrei modificato lo script per testare e/o catturare l’errore in caso di duplicati, ma il tuo modo ha funzionato (a meno che non ce ne siano altri ancora).

Puoi dare un’occhiata ad altri script di importazione che creano permalink di post. L’import_id si trova nel PostCustomField di ogni post.

È in base.rb o nel suggeritore di nomi utente. Funziona per lo più e non c’è molto che tu possa fare per cambiarlo.

Probabilmente non vuoi farlo. Il problema è che i post creati da quegli utenti saranno di proprietà di system. Puoi cercare altri script per esempi su come disattivarli. fluxbb ha uno script suspend_users, che dovrebbe aiutare.

fluxbb (su cui sto lavorando ora) lo fa. Devi solo aggiungere qualcosa di simile allo script di importazione utente:

          location: user['location'],

I Gravatar sono gestiti dal core di Discourse, quindi lo script non fa nulla per importarli; funziona e basta. Puoi usare grep sugli altri script per “avatar” per trovare esempi su come farlo.

Cerca esempi. . . . ipboard ha import_private_messages.

Grazie per la risposta. Non credo che questo sia un problema con il database di Drupal, perché ho ispezionato il database di origine e non riesco a trovare chiavi nid duplicate.

Ahhh, quindi ha quella funzionalità al di fuori di drupal.rb. Ora che sto esaminando il sito di importazione di prova, in realtà sembra che abbia gestito molto bene le conversioni dei nomi utente. Grazie!

Qual sarebbe il modo più semplice per abilitare l’importazione di nomi utente unicode (senza convertirli, cioè mantenere il nome utente Narizón invece di convertirlo in Narizon)?

Ho fatto il mio primo test dell’importatore Drupal su un’istanza senza interfaccia grafica web configurata, quindi non avevo impostato l’opzione Discourse per consentire nomi utente unicode. Se fosse stata impostata, l’importatore l’avrebbe rispettata? Qual è il modo consigliato per abilitare questo per quando eseguirò la mia migrazione di produzione?

E nel frattempo, per la mia attuale istanza di test, esiste un comando rake per applicare il nome completo al nome utente? (Ho già attivato prioritize username in ux ma poiché i miei utenti di test sono abituati a Drupal che supporta solo nomi utente per l’accesso [non indirizzo email], penso che sarebbe meglio mantenere i loro nomi utente di produzione, che almeno sono stati mantenuti nel campo nome completo.)

Probabilmente?

Puoi impostare l’impostazione del sito all’inizio dello script.

Penso che cambiare i nomi utente sia una cattiva idea, ma se non ti piacciono potresti cambiare ciò che viene passato al generatore di nomi utente.

Grazie, intendi cambiarli dopo che l’importazione è stata completata?

Penso che intenda cambiarli affatto, a meno che nel vecchio sistema i nomi utente non fossero invisibili e si vedessero solo i nomi reali.

Se quest’ultimo è il caso, allora cambierei lo script per rendere il nome utente il loro nome reale. Il problema è che se non conoscono il loro indirizzo email non saranno in grado di trovare il loro account.

Capito. Sul forum Drupal ci sono solo nomi utente di sistema e nessun nome reale separato. E inoltre Drupal non consente di accedere con l’indirizzo email, ma solo con il nome utente. Ecco perché nel mio caso è molto importante mantenere il più possibile i nomi utente. (Ci saranno comunque alcuni nomi utente convertiti, come quelli con spazi.) Quindi devo verificare come impostare le impostazioni di Discourse all’inizio dello script di importazione.

Ma Discourse lo fa, quindi se conoscono il loro indirizzo email, possono usarlo per reimpostare la password, che è probabilmente quello che dovresti dire a tutti di fare, dato che non puoi indovinare chi non riesce a indovinare il proprio nome utente, immagino.

Penso che quello che farei sarebbe impostare SiteSetting.unicode_username=true nello script di importazione ed eseguirlo di nuovo per vedere se funziona. Potresti provare a testarlo nella console rails per vedere. Questo potrebbe dirti:

  User.create(username: 'Narizón', email: 'user@x.com',password: 'xxx', active: true)

Bene, penso che questo non richiami la funzione di creazione del nome utente, quindi dovrai chiamarla
UserNameSuggester.suggest(“Narizón”)

No. Questo ancora non ti dà un nome utente unicode. Dovrai trovare UsernameSuggester e modificarlo, immagino.

Ma se vuoi davvero cambiare i nomi utente, cambiarli ora invece di correggere lo script potrebbe essere quello che vuoi fare. Devi assicurarti che il modo in cui lo fai aggiorni il nome utente in tutti i post. Se stai usando un rake task, lo farà sicuramente.

Eccellente, grazie mille Jay! Ci proverò la prossima volta che eseguirò l’importatore.

Non penso che dovresti preoccuparti:

Quello si trova in lib/user_name_suggester.rb, ma forse vuoi User.normalize_username

Sicuro, avevi ragione. Non è nemmeno un bug in sé, si è rivelato essere un modo strano in cui Drupal gestisce gli argomenti spostati lasciando una traccia nella precedente categoria dell’argomento. Crea semplicemente una riga duplicata in una delle tante tabelle che vengono estratte in ciò che alla fine diventa un argomento Drupal completo. Quindi sembra che dovrò capire come applicare DISTINCT a solo una delle tabelle che vengono selezionate…

Sì. È incredibile come ogni importazione sia un fiocco di neve, e in qualche modo il tuo sia il primo forum ad aver avuto quel problema (naturalmente, molte persone potrebbero aver risolto il problema e non essere riuscite a inviare una PR con l’aggiornamento). O forse hanno ignorato gli errori?

Aha. Sospetto che non sia una funzione molto comunemente usata, quando un thread viene spostato in una nuova categoria c’è una casella di controllo opzionale per lasciare un link “Spostato in…” nella vecchia categoria.

Il duplicato incriminato si trova nella colonna nid di forum_index. Quindi sembra che possa risolverlo con un GROUP BY nid, giusto?

        SELECT fi.nid nid,
               fi.title title,
               fi.tid tid,
               n.uid uid,
               fi.created created,
               fi.sticky sticky,
               f.body_value body,
	       nc.totalcount views
          FROM forum_index fi
	 LEFT JOIN node n ON fi.nid = n.nid
	 LEFT JOIN field_data_body f ON f.entity_id = n.nid
	 LEFT JOIN node_counter nc ON nc.nid = n.nid
         WHERE n.type = 'forum'
           AND n.status = 1
         GROUP BY nid

Sembra promettente, perché quando eseguo la query con GROUP BY nid ci sono 8 righe in meno.

Potrebbe funzionare. Penserei che ci sarebbe un certo valore in quella tabella che dice che è stato spostato e potresti selezionare solo quelli senza quel valore.

Quello sarebbe decisamente il modo più logico per progettarlo. Immagino che sia una cosa di Drupal…

Screenshot from 2022-12-20 17-36-031493×114 40.9 KB

L’unica cosa che fa è cambiare il tid (ID della categoria). Segue lo stile che ho imparato durante questo calvario con il database Drupal. Non so nulla di progettazione di database, ma ho l’impressione che si possa memorizzare esplicitamente i dati, oppure lasciare alcune cose implicite e poi scoprirle tramite logica programmatica; Drupal sembra rientrare pienamente in quest’ultima categoria.

Well, it looks like I’m almost there. Thanks a lot to Jay for the guidance.

Thanks, this was key, it was actually as simple as copying the permalink part of the Drupal import script itself and changing it to run on posts instead of topics:

    ## I added permalinks for each Drupal comment (reply) link: /comment/DIGITS#comment-DIGITS
    Post.find_each do |post|
      begin
        pcf = post.custom_fields
        if pcf && pcf['import_id']
          cid = pcf['import_id'][/cid:(\d+)/, 1]
          slug = "/comment/#{cid}" # The #comment-DIGITS part breaks the permalink and isn't needed
          Permalink.create(url: slug, post_id: post.id)
        end
      rescue => e
        puts e.message
        puts "Permalink creation failed for cid #{post.id}"
      end
    end

I was stuck for a while with my original attempt that included the relative page #comment-DIGITS part of the original Drupal link, which completely breaks the permalink in Discourse. then I realized that of course the # part of a link doesn’t actually get passed to the webserver and was only needed for Drupal to make it scroll to the part of the page where the specific comment was located. So it works fine without that in Discourse even if coming from an external web page with an old /comment/YYYYYY#comment-YYYYY link, it simply looks like this in Discourse: /comment/YYYYYY → /t/topic-title-words/123456/X and the URL bar shows like: /t/topic-title-words/123456/X#comment-YYYYYY , it doesn’t appear to care about the bogus #comment-YYYYYY part.

For some forums I suspect that the stock Drupal importer postprocess_posts function might actually be enough. It should be noted that it needs to be adjusted for each forum, there’s a rather sloppy hard-coded regexp replace for site.com → community.site.com. But after adjusting that it does a good job of rewriting internal forum links for nodes → topics as well as comments → replies. But I do have a fair number of external websites linking to individual comments (replies) on my forum and it’s worth conserving those. Plus Google indexes most of the 1.7M /comment-YYYYYY URLs and it would probably hurt my ranking if those all disappeared. I hope it won’t cause any problems for Discourse to have ~2M permalinks though?

Thanks a lot, I lifted that function almost without modifications, just had to adjust a few column names. Works great.

  def suspend_users
    puts '', "updating banned users"

    banned = 0
    failed = 0
    total = mysql_query("SELECT COUNT(*) AS count FROM users WHERE status = 0").first['count']

    system_user = Discourse.system_user

    mysql_query("SELECT name username, mail email FROM users WHERE status = 0").each do |b|
      user = User.find_by_email(b['email'])
      if user
        user.suspended_at = Time.now
        user.suspended_till = 200.years.from_now

        if user.save
          StaffActionLogger.new(system_user).log_user_suspend(user, "banned during initial import")
          banned += 1
        else
          puts "Failed to suspend user #{user.username}. #{user.errors.try(:full_messages).try(:inspect)}"
          failed += 1
        end
      else
        puts "Not found: #{b['email']}"
        failed += 1
      end

      print_status banned + failed, total
    end
  end

Also worked! I did have to deal with Drupal’s diffuse DB schema and LEFT JOIN profile_value location ON users.uid = location.uid to correlate another table that contains the profile data, but very cool that it’s so easy to add on the Discourse side of things. It’s worth noting that this process runs about 50% slower than stock, I suspect it’s due to the LEFT JOIN. But I can live with it, as I only have about 80K users.

This was fairly hard, once again due to Drupal’s disjointed database schema. I ended up using jforum.rb as the basis with a little help from the Vanilla importer too. The original script was rather paranoid with checking at every single variable pass to make sure the avatar filename isn’t null, so I removed most of those checks to make the code less messy. The worst that can happen is that the script could crash, but with the SQL query I used I don’t think even that could go wrong.

  def import_users
    puts "", "importing users"

    user_count = mysql_query("SELECT count(uid) count FROM users").first["count"]

    last_user_id = -1
    
    batches(BATCH_SIZE) do |offset|
      users = mysql_query(<<-SQL
          SELECT users.uid,
                 name username,
                 mail email,
                 created,
                 picture,
                 location.value location
            FROM users
             LEFT JOIN profile_value location ON users.uid = location.uid
           WHERE users.uid > #{last_user_id}
        ORDER BY uid
           LIMIT #{BATCH_SIZE}
      SQL
      ).to_a

      break if users.empty?

      last_user_id = users[-1]["uid"]

      users.reject! { |u| @lookup.user_already_imported?(u["uid"]) }

      create_users(users, total: user_count, offset: offset) do |row|
        if row['picture'] > 0
        	q = mysql_query("SELECT filename FROM file_managed WHERE fid = #{row['picture']};").first
        	avatar = q["filename"]
        end
        email = row["email"].presence || fake_email
        email = fake_email if !EmailAddressValidator.valid_value?(email)

        username = @htmlentities.decode(row["username"]).strip

        {
          id: row["uid"],
          name: username,
          email: email,
          location: row["location"],
          created_at: Time.zone.at(row["created"]),
	  	post_create_action: proc do |user|
		    import_avatar(user, avatar)
		end
        }
      end 
    end
  end
  def import_avatar(user, avatar_source)
    return if avatar_source.blank?

    path = File.join(ATTACHMENT_DIR, avatar_source)

      @uploader.create_avatar(user, path)
  end

After your paid help with the SQL query I ended up trying to hack it into the script for Discuz, IPboard, and Xenforo. I kept getting hitting dead ends with each one, I got closest with the Discuz model which appears to have a very similar database schema, but I couldn’t get past a bug with the @first_post_id_by_topic_id instance variable. After tons of trial and error I finally realized that it was improperly initialized at the beginning of the Discuz script (I tried to put it in the same location in the Drupal script) and this finally fixed it:

  def initialize
    super
    
    @first_post_id_by_topic_id = {}

    @htmlentities = HTMLEntities.new

    @client = Mysql2::Client.new(
      host: "172.17.0.3",
      username: "user",
      password: "pass",
      database: DRUPAL_DB
    )
  end

…

def import_private_messages
	puts '', 'creating private messages'

	pm_indexes = 'pm_index'
	pm_messages = 'pm_message'
	total_count = mysql_query("SELECT count(*) count FROM #{pm_indexes}").first['count']

	batches(BATCH_SIZE) do |offset|
		results = mysql_query("
SELECT pi.mid id, thread_id, pi.recipient to_user_id, pi.deleted deleted, pm.author user_id, pm.subject subject, pm.body message, pm.format format, pm.timestamp created_at FROM pm_index pi LEFT JOIN pm_message pm ON pi.mid=pm.mid WHERE deleted = 0
             LIMIT #{BATCH_SIZE}
            OFFSET #{offset};")

		break if results.size < 1

		# next if all_records_exist? :posts, results.map {|m| "pm:#{m['id']}"}

		create_posts(results, total: total_count, offset: offset) do |m|
			skip = false
			mapped = {}
			mapped[:id] = "pm:#{m['id']}"
			mapped[:user_id] = user_id_from_imported_user_id(m['user_id']) || -1
			mapped[:raw] = preprocess_raw(m['message'],m['format'])
			mapped[:created_at] = Time.zone.at(m['created_at'])
			thread_id = "pm_#{m['thread_id']}"
			if is_first_pm(m['id'], m['thread_id'])
				# find the title from list table
				#          pm_thread = mysql_query("
				#                SELECT thread_id, subject
				#                  FROM #{table_name 'ucenter_pm_lists'}
				#                 WHERE plid = #{m['thread_id']};").first
				mapped[:title] = m['subject']
				mapped[:archetype] = Archetype.private_message

          # Find the users who are part of this private message.
          import_user_ids = mysql_query("
                SELECT thread_id plid, recipient user_id
                  FROM pm_index
                 WHERE thread_id = #{m['thread_id']};
              ").map { |r| r['user_id'] }.uniq
          mapped[:target_usernames] = import_user_ids.map! do |import_user_id|
            import_user_id.to_s == m['user_id'].to_s ? nil : User.find_by(id: user_id_from_imported_user_id(import_user_id)).try(:username)
          end.compact
          if mapped[:target_usernames].empty? # pm with yourself?
            skip = true
            puts "Skipping pm:#{m['id']} due to no target"
          else
            @first_post_id_by_topic_id[thread_id] = mapped[:id]
          end
        else
          parent = topic_lookup_from_imported_post_id(@first_post_id_by_topic_id[thread_id])
          if parent
            mapped[:topic_id] = parent[:topic_id]
          else
            puts "Parent post pm thread:#{thread_id} doesn't exist. Skipping #{m["id"]}: #{m["message"][0..40]}"
            skip = true
          end
        end
        skip ? nil : mapped
      end

    end
end
# search for first pm id for the series of pm
def is_first_pm(pm_id, thread_id)
	result = mysql_query("
          SELECT mid id
            FROM pm_index
           WHERE thread_id = #{thread_id}
        ORDER BY id")
	result.first['id'].to_s == pm_id.to_s
end

Oh, and for most of these queries it also requires running this in the MySQL container to disable a strict mode SQL sanity check:
mysql -u root -ppass -e "SET GLOBAL sql_mode=(SELECT REPLACE(@@sql_mode,'ONLY_FULL_GROUP_BY',''));"

Another thing I realized was missing were a few thousand Drupal nodes of type poll . I first tried to just include WHERE type = 'forum' OR type = 'poll' in the import_topics function, but there is some seriously janky stuff going on in the original Drupal database that causes it to miss many of them. So I ended up copying the import_topics into a new import_polls function:

    def import_poll_topics
    puts '', "importing poll topics"

    polls = mysql_query(<<-SQL
      SELECT n.nid nid, n.title title, n.uid uid, n.created created, n.sticky sticky, taxonomy_index.tid tid, node_counter.totalcount views
        FROM node n
        LEFT JOIN taxonomy_index ON n.nid = taxonomy_index.nid
        LEFT JOIN node_counter ON n.nid = node_counter.nid
       WHERE n.type = 'poll'
         AND n.status = 1
    SQL
    ).to_a

    create_posts(polls) do |topic|
      {
        id: "nid:#{topic['nid']}",
        user_id: user_id_from_imported_user_id(topic['uid']) || -1,
        category: category_id_from_imported_category_id(topic['tid']),
        raw: "### You can see the archived poll results on the Wayback Machine:\n**https://web.archive.org/web/1234567890/http://myforum.com/node/#{topic['nid']}**",
        created_at: Time.zone.at(topic['created']),
        pinned_at: topic['sticky'].to_i == 1 ? Time.zone.at(topic['created']) : nil,
        title: topic['title'].try(:strip),
        views: topic['views'],
        custom_fields: { import_id: "nid:#{topic['nid']}" }
      }
    end
  end

I don’t care too much about importing the actual poll results, and it would require re-coding the entire algorithm that Drupal uses to tally up all the votes and eliminates duplicates. I mainly just want to import the followup comments in the poll thread. But just in case anyone wants to see the original poll results I made it write out a direct link to the original forum node in the Wayback Machine.

So the code is not at all elegant and probably isn’t very efficient, but for a one-shot deal that should get the job done.

Sorry for the walls of code, let me know if that irritates anyone and I can move them to a pastebin URL.

Ed è così che vanno la maggior parte di essi. Questo argomento è un ottimo esempio da seguire per qualcun altro (dato che inizia con un set di competenze simile al tuo).

Hai una stima di quanto tempo hai dedicato alle tue personalizzazioni?

Congratulazioni!

Grazie Jay! Apprezzo l’incoraggiamento.

Ugh, preferirei non pensarci. Probabilmente sono state più di 15 o 20 ore dopo che mi hai messo sulla giusta strada con la query SQL.

Mi piacerebbe approfondire questo argomento se hai qualche idea:

Ci sono volute circa 70 ore per fare una prova completa con dati di produzione su un VPS molto potente. Vorrei far interagire di nuovo i miei utenti il prima possibile, anche se l’importazione di post e messaggi privati è ancora incompleta. Oppure un’altra idea alternativa a cui ho pensato sarebbe disabilitare la funzione preprocess_posts, che ho anche modificato pesantemente con ulteriori sostituzioni regexp gsub e anche per elaborare tutti i post e i messaggi privati tramite Pandoc con uno o due comandi diversi a seconda che il post originale fosse markup Textile o puro HTML. Se disabilitassi l’intera routine preprocess_posts si ridurrebbe probabilmente quasi della metà il tempo di importazione, e poi potrei aggiungere tutta quella roba di formattazione nella sezione postprocess_posts una volta importati tutti i dati grezzi. Ma lo svantaggio è che dopo non sarei più in grado di accedere facilmente alla colonna del database originale che mostra il formato sorgente (Textile o HTML) per ogni post, il che è una condizione per la mia manipolazione di Pandoc. O potrei aggiungere un campo personalizzato a ogni post etichettandolo come textile o html e recuperarlo in seguito durante l’elaborazione post-importazione? Non lo so, sto solo pensando ad alta voce.

Quando si riesegue lo script di importazione solo con i nuovi dati, l’operazione sarà molto più veloce poiché non importerà nuovamente i dati. Pertanto, richiederà solo poche ore. Ogni esecuzione successiva sarà più rapida poiché ci saranno meno dati da importare.

È quindi possibile velocizzare l’operazione modificando le query in modo che restituiscano solo i dati più recenti di un certo periodo. La maggior parte degli script che ho gestito dispone di un’impostazione import_after proprio a questo scopo (ma anche per consentire uno sviluppo più rapido importando un piccolo sottoinsieme dei dati).