oskar f0522a85dc feat(kb): frontmatter OKF dla 39 session logow

Session logi zostaja w docs/sessions/ (decyzja z etapu 1). Dodany wylacznie
blok frontmattera: type: session-log, visibility: private, status: active,
updated = data ostatniego commita pliku.

Tresc nietknieta — kazdy plik to +9/-0 linii.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

2026-08-04 16:53:57 +02:00

5 KiB

Raw Blame History

okf

type

visibility

status

updated

links

0.1

session-log

private

active

2026-06-26

Sesja 2026-06-25 — KB etap 2: bulk import Gmail uruchomiony

Cel

Domknięcie etapu 2 bazy wiedzy. Poprzednia sesja (2026-06-24) zostawiła kod gotowy, ale dane na SOLARIA. Ta sesja = transfer + uruchomienie + weryfikacja na produkcji (PIHA).

Co zrobione

Relokacja kb-postgres SOLARIA→PIHA — domknięta i zweryfikowana

Baza stoi na PIHA (always-on); zapytania KB działają 24/7 niezależnie od SOLARIA.

Przygotowanie PIHA pod import

cgroup memory enable: cgroup_enable=memory cgroup_memory=1 dopisane do /boot/firmware/cmdline.txt + reboot; backup w cmdline.txt.bak.
Swap 4 GB: wpisany do /etc/fstab (był już skonfigurowany wcześniej, weryfikacja).
SSH key perms: chmod 600 ~/.ssh/id_rsa — prawa 0640 blokowały git fetch (OpenSSH odrzuca klucze group-readable).

Transfer Takeout SOLARIA→PIHA

rsync po LAN (nie Tailscale, oba dostępne): 15 GB zip → po rozpakowaniu 27 GB allmail.mbox wylądowało w ~/kb/dropbox/. venv pod PEP668 w ~/kb/venv (Pi OS wymusza brak systemowych pip-instalacji).

Walidacja przed pełnym wlewem

--dry-run --limit 200 — parsowanie bez zapisów, weryfikacja nagłówków.
--limit 1000 z realnym zapisem — próbka; potwierdzono że RAM stoi płasko: zużycie to koszt zbudowania indeksu mailbox.mbox przy otwarciu, nie akumulacja per-mail w pętli.

Pełny import

nohup nice -n 15 ionice -c2 -n7 \
    gmail-bulk-import \
    --mbox ~/kb/dropbox/allmail.mbox \
    --archive ~/kb/mail/archive \
    --dsn postgresql://kb:<pw>@localhost:5433/kb \
  >> ~/kb/import.log 2>&1 &

Czas: ~29 minut. Brak OOM, swap stabilny przez cały przebieg.

Wynik importu

Metryka	Wartość
processed	226 318
imported (pliki .eml)	225 057
skipped (duplikaty Message-ID)	1 260
errors (zepsute maile)	1
epoch_fallback (brak daty)	2 559
msgs_with_attachments	32 495
total_attachments	70 193
total_attachment_bytes	15,4 GB

Baza (envelope): SELECT count(DISTINCT id) FROM envelope → 225 030 unikalnych kopert. Archiwum: 225 057 plików .eml, 27 GB na NVMe PIHA (~/kb/mail/archive). Zakres dat: 2002→2026-06-19; pik 2011–2012 (~23 k/rok); bez dziur.

Lekcje

`imported` ≠ wiersze w DB — NORMA, nie bug

Importer liczy imported jako zapisane pliki .eml. count(DISTINCT id) w envelope jest mniejsze o duplikaty Message-ID: ON CONFLICT (id) DO NOTHING je poprawnie odrzuca.

Różnica: 225 057 archiwum − 225 030 DB = 27 duplikatów klucza — zero utraty danych.

Zmarnowano ~30 minut na re-run całego mboxa szukając tych „27", zanim przeczytano kod importera. Reguła: verify-before-fix — najpierw sprawdź co kod faktycznie robi, zanim zaczniesz pisać fixa.

`mailbox.mbox` buduje indeks przy każdym otwarciu

python mailbox.mbox skanuje całe 27 GB przed pierwszą wiadomością. Na Pi5 to kilka minut startu — nie zawis, nie błąd. Re-run płaci ten koszt w całości (wszystkie 226 k wiadomości przelatują ponownie przez idempotencję). Jeśli trzeba dosłać kilka kopert, taniej będzie osobny skrypt niż re-run mboxa.

RAM/swap stabilne

Swap ~47% podczas importu = stałe tło Home Assistant, nie skok od importera. Hard mem_limit: 1g na kb-postgres chronił HA przez cały przebieg.

Sprzątanie po imporcie

allmail.mbox + oryginalny zip skasowane z ~/kb/dropbox/ na PIHA → odzysk ~42 GB NVMe.
Oryginalny zip Takeout (15 GB) przeniesiony na SOLARIA ~/kb/_cold/ jako cold backup (do końca fazy 2, potem do skasowania).

Stan etapu 2

ZAMKNIĘTY.

Pełna historia Gmaila 2002→2026 w bazie wiedzy:

225 030 unikalnych kopert w kb-postgres (PIHA)
27 GB archiwum .eml (PIHA NVMe)
manifest 70 193 załączników w entities[] (ekstrakcja/OCR = faza 2)

Backlog / następne kroki

Faza 2 załączników: ekstrakcja i OCR (PDF/skany → Paperless lub dedykowany job).
Odzysk 2559 dat epoch-fallback: nagłówki Received: / X-GM-RECEIVED mogą dać prawdziwe timestamps dla maili bez Date:.
Etap 3: Fastmail JMAP live ingest → jobs/fastmail-poller/.
Etap 4: Gmail IMAP live sync → jobs/gmail-imap-poller/.

Higiena git

Praca w worktree task/kb-session-0625; główny checkout ~/homelab-codex-ws czysty.

Commits tej sesji

c0ffb6a docs(kb): sesja 2026-06-22 — spine relokowany na PIHA + przygotowanie hosta
c32e050 docs(kb): sesja 2026-06-24 — importer Gmail gotowy + konwencja jobs/
254a680 fix(piha): capabilities — realny RAM/NVMe + gitignore build dirs
f234280 refactor(kb-mail): importer Gmail — entities załączników, --limit, batch, bez Dockera, DSN→PIHA
6dc1d32 feat(kb-mail): etap 2 — jednorazowy bulk importer Gmail (mbox → archiwum)

(Commitów implementacyjnych w tej sesji brak — dokumentacja domknięcia etapu 2.)

5 KiB Raw Blame History Unescape Escape