repoman and python implementations

До недавних пор В оверлее gentoo-haskell сравнительно плохо обстояло дело с качеством ебилдов.

Некоторые установить в принципе было нельзя потому, что для них попросту отсутствуют зависимости сборки.

(Например, в RDEPENDS написано =dev-vcs/darcs-2.5*, а самого пакета уже нет.)

Такие проблемы (и много других) умеет находить программа repoman. Ее можно запускать в отдельном каталоге с ебилдами, категории или полном оверлее.

Запуск на полном оверлее - самый интересный: мы находим сразу все проблемы. Это удобно, если мы собираемся выбросить какую-то старую версию программы и убедиться, что никто на нее не завязан.

Пример вывода repoman для одного пакета:

$ gentoo-haskell/dev-haskell/cabal:repoman full
RepoMan scours the neighborhood...
  RDEPEND.suspect               8
   dev-haskell/cabal/cabal-1.8.0.6-r1.ebuild: 'virtual/pkgconfig'
   dev-haskell/cabal/cabal-1.10.2.0.ebuild: 'virtual/pkgconfig'
   dev-haskell/cabal/cabal-1.14.0.ebuild: 'virtual/pkgconfig'
   dev-haskell/cabal/cabal-1.16.0.ebuild: 'virtual/pkgconfig'
   dev-haskell/cabal/cabal-1.16.0.3.ebuild: 'virtual/pkgconfig'
   dev-haskell/cabal/cabal-1.17.0_pre9999.ebuild: 'virtual/pkgconfig'
   dev-haskell/cabal/cabal-1.17.0_pre20121101.ebuild: 'virtual/pkgconfig'
   dev-haskell/cabal/cabal-1.17.0_pre20121213.ebuild: 'virtual/pkgconfig'
  KEYWORDS.missing              2
   dev-haskell/cabal/cabal-1.17.0_pre20121101.ebuild
   dev-haskell/cabal/cabal-1.17.0_pre20121213.ebuild

Тут никаких серьезных предупреждений нет кроме ‘virtual/pkgconfig’.

На полном оверлее таких предупреждений довольно много. Чем их меньше - тем лучше качество ебилдов.

В gentoo-haskell больше тысячи еблидов, так что repoman тратит на это некоторое время.

Я решил замерять несколько реализаций python:

$ gentoo-haskell:for p in python2.7 python3.2 pypy-c1.9 pypy-c2.0; do echo "#$p"; time { $p /usr/bin/repoman full -d > repoman-QA-`date +%F-%T`.log; }; done
#python2.7
real    5m51.622s
user    5m4.262s
sys     0m46.309s
#python3.2
real    5m11.271s
user    4m25.474s
sys     0m44.388s
#pypy-c1.9
real    3m59.397s
user    2m54.265s
sys     1m4.584s
#pypy-c2.0
real    3m56.389s
user    2m51.201s
sys     1m4.338s

Интересно, что прирост производительности наблюдается как и в новых релизах cpython, так и в реализации pypy.

Интересно, что в pypy системное время прилично больше.

UPDATE. Забыл главное сказать! Самым эффективным было бы размазать задачу на N голов (у меня их 8).

Posted on December 25, 2012
comments powered by Disqus