sergio/takana

1#!/usr/bin/env python3
2"""Censo MEDIDO de quién provee cada applet de busybox, contra los artefactos del store.
3
4Por qué existe. `docs/state/busybox-applets.tsv` asignaba un `destino` (el paquete que debería
5reemplazar cada applet) por JUICIO — el propio `docs/plan-botar-busybox.md` lo dice: «el reparto
6applet→destino es juicio, no medida». Al medirlo contra los artefactos sellados resultó que
7**31 applets los provee otro paquete** y **79 no los provee NADIE salvo busybox**, entre ellos seis
8—`xz unxz xzcat lzma unlzma lzcat`— cuyo dueño figura en seis perfiles con el `usr/bin` VACÍO.
9
10Cómo mide. Índice inverso de `<store>/<hash>-<nombre>/{bin,sbin,usr/bin,usr/sbin,libexec}`: un
11paquete «provee» un applet si instala un fichero o enlace con ESE nombre. Es equivalencia de NOMBRE,
12no de banderas — un `nc` de socat cuenta como proveedor aunque su sintaxis difiera, y por eso la
13columna `equivalencia` del TSV sigue haciendo falta.
14
15⚠ Los rootfs ENSAMBLADOS (`product-rootfs`, `stage1-rootfs`) se excluyen: traen adentro el propio
16busybox con sus 277 symlinks, así que contarlos haría que todo applet se «proveyera» a sí mismo.
17El criterio no es el nombre sino el contenido — un artefacto con `bin/busybox` adentro que no SEA
18busybox es un rootfs.
19
20Uso:  scripts/busybox-censo-proveedores.py [--store /store] [--escribir] [--guardian]
21                                          [--auditar-destinos]
22      --escribir          reescribe el TSV (columnas `proveedor_medido` y `medido_el`, y con
23                          `--auditar-destinos` también `destino` y `estado_del_dueño`).
24      --guardian          sale ≠0 si algún applet PERDIÓ el proveedor que el TSV registra (CI).
25      --auditar-destinos  el `destino` y el `estado_del_dueño` DEJAN DE SER JUICIO.
26
27⚠ **Por qué hace falta `--auditar-destinos` (2026-09-22).** Las dos columnas envejecen solas: el TSV
28seguía diciendo `psmisc-TRAER` y `bc-TRAER` con las dos recetas ya selladas y en los 7 perfiles
29(commit 4357b29c), y `awk-DECISION` con `akllay` —el awk propio, en Rust— sellado, en los 7 perfiles
30y publicando `/usr/bin/awk`. O sea: el censo pedía trabajo YA HECHO, que es la forma más cara de
31equivocarse porque nadie la nota. La regla es mecánica y no opina: **si un paquete que VIAJA EN LA
32IMAGEN provee el applet, ése es el destino.** Es [[la-etiqueta-no-es-el-hecho]] aplicado a una
33columna.
34
35⚠ El guardián no vigila un NÚMERO, vigila las PÉRDIDAS, y la diferencia importa: un umbral del tipo
36«no más de 79 sin dueño» hay que subirlo cada vez que se retira un applet del defconfig, y a la
37tercera vez nadie lo sube con criterio. Lo que sí es siempre una regresión es que un applet que
38tenía proveedor medido deje de tenerlo — un `--disable-` nuevo en un `configure`, un `make install`
39que cambia de objetivo, una receta de herramientas convertida en receta de librería. Los applets que
40GANAN proveedor se reportan y no fallan: eso es avance, y el TSV se actualiza con `--escribir`.
41"""
42import argparse, csv, json, os, sys, collections, datetime
43
44sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
45
46RAIZ = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
47TSV = os.path.join(RAIZ, "docs/state/busybox-applets.tsv")
48ESTADO = os.path.join(RAIZ, "docs/state/build-state.json")
49SUBDIRS = ("bin", "sbin", "usr/bin", "usr/sbin", "usr/libexec", "libexec")
50
51
52def indice(store):
53    """nombre de binario -> {paquetes que lo instalan}, excluidos los rootfs ensamblados."""
54    prov = collections.defaultdict(set)
55    compuestos = []
56    for ent in os.scandir(store):
57        if not ent.is_dir():
58            continue
59        art = ent.name.split("-", 1)[1] if "-" in ent.name else ent.name
60        if art != "busybox" and os.path.exists(os.path.join(ent.path, "bin/busybox")):
61            compuestos.append(art)
62            continue
63        for sub in SUBDIRS:
64            try:
65                for f in os.scandir(os.path.join(ent.path, sub)):
66                    prov[f.name].add(art)
67            except OSError:
68                pass
69    return prov, sorted(compuestos)
70
71
72def main():
73    ap = argparse.ArgumentParser()
74    ap.add_argument("--store", default="/store")
75    ap.add_argument("--escribir", action="store_true")
76    ap.add_argument("--guardian", action="store_true")
77    ap.add_argument("--auditar-destinos", action="store_true")
78    a = ap.parse_args()
79
80    prov, compuestos = indice(a.store)
81    print(f"índice: {len(prov)} nombres · rootfs excluidos: {', '.join(compuestos) or '(ninguno)'}")
82    filas = list(csv.DictReader(open(TSV, encoding="utf-8"), delimiter="\t"))
83    vivos = [r for r in filas if r["recorte"] != "RETIRADO"]
84
85    coincide, otro, solo = [], [], []
86    for r in vivos:
87        p = sorted(x for x in prov.get(r["applet"], ()) if x != "busybox")
88        r["_medido"] = ",".join(p) if p else "SOLO-BUSYBOX"
89        (coincide if r["destino"] in p else (otro if p else solo)).append(r)
90
91    print(f"\n  el dueño del TSV lo provee : {len(coincide):>3}")
92    print(f"  lo provee OTRO paquete     : {len(otro):>3}")
93    print(f"  SÓLO lo provee busybox     : {len(solo):>3}   ← el trabajo que queda")
94
95    est = json.load(open(ESTADO, encoding="utf-8"))["nodes"]
96    print("\n--- SÓLO BUSYBOX, por dueño declarado ---")
97    pord = collections.defaultdict(list)
98    for r in solo:
99        pord[r["destino"]].append(r["applet"])
100    for d, aa in sorted(pord.items(), key=lambda x: -len(x[1])):
101        n = est.get(d)
102        pf = ("en " + ",".join(n["perfiles"])) if n and n["perfiles"] else ("sellado sin perfil" if n else "sin receta")
103        print(f"  {d:16} {len(aa):>2}  [{pf}]  {' '.join(sorted(aa))}")
104
105    print("\n--- lo provee OTRO paquete (el `destino` del TSV está mal) ---")
106    for r in sorted(otro, key=lambda r: r["applet"]):
107        print(f"  {r['applet']:14} TSV={r['destino']:16} REAL={r['_medido']}")
108
109    if a.guardian:
110        perdidos, ganados = [], []
111        for r in vivos:
112            antes = (r.get("proveedor_medido") or "").strip()
113            if not antes:
114                continue  # fila sin medición previa: nada que comparar
115            ahora = r["_medido"]
116            if antes != "SOLO-BUSYBOX" and ahora == "SOLO-BUSYBOX":
117                perdidos.append((r["applet"], antes))
118            elif antes == "SOLO-BUSYBOX" and ahora != "SOLO-BUSYBOX":
119                ganados.append((r["applet"], ahora))
120        if ganados:
121            print(f"\n✓ {len(ganados)} applets GANARON proveedor (no es fallo; correr --escribir):")
122            for x, q in sorted(ganados):
123                print(f"    {x:14} ahora lo provee {q}")
124        if perdidos:
125            print(f"\n✗ REGRESIÓN: {len(perdidos)} applets PERDIERON su proveedor y vuelven a depender de busybox:")
126            for x, q in sorted(perdidos):
127                print(f"    {x:14} lo proveía {q}")
128            return 1
129        print("\n✓ guardián: ningún applet perdió su proveedor.")
130        return 0
131
132    if a.auditar_destinos:
133        import yupana
134        memb = yupana.membresia_imagen()
135        en_imagen = {n for (q, n), ps in memb.items() if q != "wanted" and ps}
136        cambios = []
137        for r in filas:
138            # 1) `destino`: si un paquete que VIAJA provee el applet, es ése. Sin juicio.
139            provs = sorted(x for x in prov.get(r["applet"], ()) if x != "busybox")
140            viajan = [x for x in provs if x in en_imagen]
141            # ⚠ `BORRAR` NO se reescribe. Es una DECISIÓN («este applet no se reemplaza, sale del
142            # defconfig») y ninguna medición la contradice: que `cups` traiga un `lpr` no significa
143            # que el applet `lpr` de busybox haya que conservarlo. Medir es para las filas que
144            # declaran trabajo pendiente, no para deshacer lo decidido.
145            if viajan and r["destino"] not in viajan and r["destino"] != "BORRAR":
146                cambios.append((r["applet"], "destino", r["destino"], viajan[0]))
147                r["destino"] = viajan[0]
148            # 2) `estado_del_dueño`: del grafo, no de la memoria de quien escribió la fila.
149            d = r["destino"]
150            if d in ("BORRAR", "—", "") or d.endswith(("-TRAER", "-ESCRIBIR", "-DECISION")):
151                nuevo = "—" if d in ("BORRAR", "—", "") else "sin receta"
152            elif d in en_imagen:
153                nuevo = "sellada y EN IMAGEN"
154            elif est.get(d):
155                nuevo = "sellada SIN perfil" if est[d].get("state") == "sealed" else est[d].get("state", "?")
156            else:
157                nuevo = "sin receta"
158            if (r.get("estado_del_dueño") or "") != nuevo:
159                cambios.append((r["applet"], "estado_del_dueño", r.get("estado_del_dueño"), nuevo))
160                r["estado_del_dueño"] = nuevo
161        # Los `destino` se imprimen TODOS y los `estado` se resumen: son dos cosas distintas y
162        # mezclarlas esconde la que importa. Un `destino` que cambia es trabajo que se creía
163        # pendiente y ya estaba hecho (o al revés); un `estado` que cambia es sólo el grafo al día.
164        d_cambios = [c for c in cambios if c[1] == "destino"]
165        e_cambios = [c for c in cambios if c[1] != "destino"]
166        print(f"\n--- auditoría: {len(cambios)} celda(s) que el TSV tenía mal ---")
167        print(f"  `destino` (trabajo mal contado): {len(d_cambios)}")
168        for ap_, _c, antes, ahora in d_cambios:
169            print(f"     {ap_:14} {antes!r} → {ahora!r}")
170        print(f"  `estado_del_dueño` (el grafo al día): {len(e_cambios)}")
171        resumen = collections.Counter((c[2], c[3]) for c in e_cambios)
172        for (antes, ahora), n in resumen.most_common():
173            print(f"     {n:>3}  {antes!r} → {ahora!r}")
174        if not a.escribir:
175            print("  (no se escribió nada; añadí --escribir)")
176
177    if a.escribir:
178        hoy = datetime.date.today().isoformat()
179        campos = [c for c in filas[0] if not c.startswith("_")] + ["proveedor_medido", "medido_el"]
180        for r in filas:
181            r["proveedor_medido"] = r.pop("_medido", "") or ("n/a (retirado)" if r["recorte"] == "RETIRADO" else "")
182            r["medido_el"] = hoy if r["recorte"] != "RETIRADO" else ""
183        with open(TSV, "w", encoding="utf-8", newline="") as fh:
184            w = csv.DictWriter(fh, fieldnames=campos, delimiter="\t", lineterminator="\n")
185            w.writeheader()
186            w.writerows(filas)
187        print(f"\nTSV reescrito: {TSV} (+2 columnas)")
188    return 0
189
190
191if __name__ == "__main__":
192    sys.exit(main())