takana/scripts/why-differs-barrido.sh

#!/usr/bin/env python3
"""why-differs-barrido — pasa `hammer why-differs` por TODO el store y agrega las causas.

Para qué: el store guarda varios sellados por paquete (recetas que cambiaron a lo largo del tiempo).
Comparar dos sellados del mismo nombre responde una pregunta que hasta ahora nadie hacía a escala:
**¿por qué difieren?** Y sobre todo separa los dos casos que se confunden a ojo:

  · `.hammer/recipe.toml` DIFIERE  ⇒ son recetas distintas. Que el artefacto cambie es lo esperado.
  · `.hammer/recipe.toml` IDÉNTICO ⇒ **misma receta, distinto artefacto = NO-REPRODUCCIÓN REAL.**
    Eso es un bug de reproducibilidad, y el informe ya dice la causa (gzip mtime, cabecera ar,
    sección ELF, ruta de build embebida…).

Es el "multiplicador de granja" del SDD 17 §1.2: debuggear una no-reproducción deja de ser artesanal.

Uso:   scripts/why-differs-barrido.sh              # barre todo el store
       LIMITE=50 scripts/why-differs-barrido.sh    # sólo los primeros 50 paquetes
       JSON=informe.json scripts/why-differs-barrido.sh
"""
import collections
import json
import os
import pathlib
import subprocess
import sys

RAIZ = pathlib.Path(__file__).resolve().parent.parent
STORE = RAIZ / "store"
HAMMER = RAIZ / "target/release/hammer"
LIMITE = int(os.environ.get("LIMITE", "0"))
SALIDA_JSON = os.environ.get("JSON")
# Un artefacto puede pesar GB (qt6, kernels): hashearlo entero para el barrido no aporta.
TIMEOUT = int(os.environ.get("TIMEOUT", "120"))


def sellados_por_nombre():
    """{nombre: [rutas…]} — el nombre es lo que sigue al hash en `<hash>-<nombre>`."""
    m = collections.defaultdict(list)
    for d in STORE.iterdir():
        if not d.is_dir():
            continue
        _, sep, nombre = d.name.partition("-")
        if sep:
            m[nombre].append(d)
    return {n: sorted(v, key=lambda p: p.stat().st_mtime) for n, v in m.items() if len(v) >= 2}


def main():
    if not HAMMER.exists():
        sys.exit(f"falta {HAMMER} (cargo build --release --bin hammer)")

    grupos = sellados_por_nombre()
    nombres = sorted(grupos)
    if LIMITE:
        nombres = nombres[:LIMITE]
    print(f"== barrido why-differs: {len(nombres)} paquetes con ≥2 sellados\n")

    causas = collections.Counter()
    no_reproducen = []      # misma receta, distinto artefacto ⇒ bug real
    recetas_distintas = 0
    errores = []

    for i, nombre in enumerate(nombres, 1):
        a, b = grupos[nombre][-2], grupos[nombre][-1]   # los dos más recientes
        try:
            r = subprocess.run(
                [str(HAMMER), "why-differs", str(a), str(b), "--json"],
                capture_output=True, text=True, timeout=TIMEOUT,
            )
            informe = json.loads(r.stdout)
        except (subprocess.TimeoutExpired, json.JSONDecodeError) as e:
            errores.append((nombre, type(e).__name__))
            continue

        divs = informe["divergencias"]
        if not divs:
            continue
        receta_cambio = any(d["ruta"] == ".hammer/recipe.toml" for d in divs)
        for d in divs:
            causas[d["causa"]] += 1
        if receta_cambio:
            recetas_distintas += 1
        else:
            no_reproducen.append((nombre, a.name[:12], b.name[:12], divs))
        if i % 50 == 0:
            print(f"   … {i}/{len(nombres)}")

    print(f"\n── recetas distintas (divergencia esperada): {recetas_distintas}")
    print(f"── MISMA receta, artefacto distinto (NO REPRODUCE): {len(no_reproducen)}")
    if errores:
        print(f"── no analizados: {len(errores)} ({errores[:3]}…)")

    print("\n── causas agregadas:")
    for c, n in causas.most_common():
        print(f"   {c:22s} {n}")

    if no_reproducen:
        print("\n══ NO-REPRODUCCIONES (misma receta ⇒ el artefacto debería ser idéntico):")
        for nombre, ha, hb, divs in no_reproducen:
            print(f"\n   {nombre}  [{ha}… vs {hb}…]  {len(divs)} divergencia(s)")
            for d in divs[:4]:
                print(f"     · {d['ruta']}: {d['explicacion'].splitlines()[0][:150]}")
                if d.get("remedio"):
                    print(f"       → {d['remedio']}")

    if SALIDA_JSON:
        pathlib.Path(SALIDA_JSON).write_text(json.dumps({
            "causas": dict(causas),
            "recetas_distintas": recetas_distintas,
            "no_reproducen": [
                {"nombre": n, "a": a, "b": b, "divergencias": d} for n, a, b, d in no_reproducen
            ],
        }, indent=2, ensure_ascii=False))
        print(f"\n   informe → {SALIDA_JSON}")


if __name__ == "__main__":
    main()