52/795a2c05f5100239b572d0c1be08441e12443b

   1 Return-Path: <m.walters@qmul.ac.uk>\r
   2 X-Original-To: notmuch@notmuchmail.org\r
   3 Delivered-To: notmuch@notmuchmail.org\r
   4 Received: from localhost (localhost [127.0.0.1])\r
   5         by olra.theworths.org (Postfix) with ESMTP id 156A6431FAE\r
   6         for <notmuch@notmuchmail.org>; Mon,  2 Jun 2014 07:16:11 -0700 (PDT)\r
   7 X-Virus-Scanned: Debian amavisd-new at olra.theworths.org\r
   8 X-Spam-Flag: NO\r
   9 X-Spam-Score: 0.502\r
  10 X-Spam-Level: \r
  11 X-Spam-Status: No, score=0.502 tagged_above=-999 required=5\r
  12         tests=[DKIM_ADSP_CUSTOM_MED=0.001, FREEMAIL_FROM=0.001,\r
  13         NML_ADSP_CUSTOM_MED=1.2, RCVD_IN_DNSWL_LOW=-0.7] autolearn=disabled\r
  14 Received: from olra.theworths.org ([127.0.0.1])\r
  15         by localhost (olra.theworths.org [127.0.0.1]) (amavisd-new, port 10024)\r
  16         with ESMTP id 7txZm2rNfGDf for <notmuch@notmuchmail.org>;\r
  17         Mon,  2 Jun 2014 07:16:03 -0700 (PDT)\r
  18 Received: from mail2.qmul.ac.uk (mail2.qmul.ac.uk [138.37.6.6])\r
  19         (using TLSv1 with cipher DHE-RSA-AES256-SHA (256/256 bits))\r
  20         (No client certificate requested)\r
  21         by olra.theworths.org (Postfix) with ESMTPS id 12370431FAF\r
  22         for <notmuch@notmuchmail.org>; Mon,  2 Jun 2014 07:16:03 -0700 (PDT)\r
  23 Received: from smtp.qmul.ac.uk ([138.37.6.40])\r
  24         by mail2.qmul.ac.uk with esmtp (Exim 4.71)\r
  25         (envelope-from <m.walters@qmul.ac.uk>)\r
  26         id 1WrT1s-0002Vu-WA; Mon, 02 Jun 2014 15:16:01 +0100\r
  27 Received: from 5751dfa2.skybroadband.com ([87.81.223.162] helo=localhost)\r
  28         by smtp.qmul.ac.uk with esmtpsa (TLSv1:AES128-SHA:128) (Exim 4.71)\r
  29         (envelope-from <m.walters@qmul.ac.uk>)\r
  30         id 1WrT1Y-0002Tt-NA; Mon, 02 Jun 2014 15:15:40 +0100\r
  31 From: Mark Walters <markwalters1009@gmail.com>\r
  32 To: Vladimir Marek <Vladimir.Marek@oracle.com>,\r
  33         David Edmondson <david.edmondson@oracle.com>\r
  34 Subject: Re: Deduplication ?\r
  35 In-Reply-To: <871tv7s8q1.fsf@qmul.ac.uk>\r
  36 References: <20140602123212.GA12639@virt.cz.oracle.com>\r
  37         <cuniooj1l68.fsf@gargravarr.hh.sledj.net>\r
  38         <20140602135438.GA8223@virt.cz.oracle.com>\r
  39         <871tv7s8q1.fsf@qmul.ac.uk>\r
  40 User-Agent: Notmuch/0.15.2+615~g78e3a93 (http://notmuchmail.org) Emacs/23.4.1\r
  41         (i486-pc-linux-gnu)\r
  42 Date: Mon, 02 Jun 2014 15:15:39 +0100\r
  43 Message-ID: <87y4xfqtx0.fsf@qmul.ac.uk>\r
  44 MIME-Version: 1.0\r
  45 Content-Type: text/plain; charset=us-ascii\r
  46 X-Sender-Host-Address: 87.81.223.162\r
  47 X-QM-Geographic: According to ripencc,\r
  48         this message was delivered by a machine in Britain (UK) (GB).\r
  49 X-QM-SPAM-Info: Sender has good ham record.  :)\r
  50 X-QM-Body-MD5: d72e9e3fbebffda3be071f659bc3c751 (of first 20000 bytes)\r
  51 X-SpamAssassin-Score: -0.1\r
  52 X-SpamAssassin-SpamBar: /\r
  53 X-SpamAssassin-Report: The QM spam filters have analysed this message to\r
  54         determine if it is\r
  55         spam. We require at least 5.0 points to mark a message as spam.\r
  56         This message scored -0.1 points.\r
  57         Summary of the scoring: \r
  58         * 0.0 FREEMAIL_FROM Sender email is commonly abused enduser mail\r
  59         provider *      (markwalters1009[at]gmail.com)\r
  60         * -0.1 AWL AWL: From: address is in the auto white-list\r
  61 X-QM-Scan-Virus: ClamAV says the message is clean\r
  62 Cc: notmuch@notmuchmail.org\r
  63 X-BeenThere: notmuch@notmuchmail.org\r
  64 X-Mailman-Version: 2.1.13\r
  65 Precedence: list\r
  66 List-Id: "Use and development of the notmuch mail system."\r
  67         <notmuch.notmuchmail.org>\r
  68 List-Unsubscribe: <http://notmuchmail.org/mailman/options/notmuch>,\r
  69         <mailto:notmuch-request@notmuchmail.org?subject=unsubscribe>\r
  70 List-Archive: <http://notmuchmail.org/pipermail/notmuch>\r
  71 List-Post: <mailto:notmuch@notmuchmail.org>\r
  72 List-Help: <mailto:notmuch-request@notmuchmail.org?subject=help>\r
  73 List-Subscribe: <http://notmuchmail.org/mailman/listinfo/notmuch>,\r
  74         <mailto:notmuch-request@notmuchmail.org?subject=subscribe>\r
  75 X-List-Received-Date: Mon, 02 Jun 2014 14:16:11 -0000\r
  76 \r
  77 \r
  78 \r
  79 Mark Walters <markwalters1009@gmail.com> writes:\r
  80 \r
  81 > Vladimir Marek <Vladimir.Marek@oracle.com> writes:\r
  82 >\r
  83 >>> > I want to import bigger chunk of archived messages into my notmuch\r
  84 >>> > database. It's about 100k messages. The problem is, that I most probably\r
  85 >>> > have quite a lot of those messages in the DB. Basically I would like to\r
  86 >>> > add only those I don't have already.\r
  87 >>> >\r
  88 >>> > There are two possibilities\r
  89 >>> >\r
  90 >>> > a) I will add all the 100k messages and then remove the duplicities.\r
  91 >>> >\r
  92 >>> > b) I will write a script which will parse the message ID's of the\r
  93 >>> >    to-be-added messages and try to match them to the notmuch DB. Adding\r
  94 >>> >    only files I can't find already.\r
  95 >>> >\r
  96 >>> > Ad b) might be better option, but I started to play with the idea of\r
  97 >>> > deduplication. I'm thinking about listing all the message IDs stored in\r
  98 >>> > DB, listing all files belonging to the IDs and deleting all but one.\r
  99 >>> > Also I'm thinking about implementing some simple algorithm telling me\r
 100 >>> > whether the messages are really very similar. Just to be sure I don't\r
 101 >>> > delete something I don't want to.\r
 102 >>> >\r
 103 >>> > Was anyone playing with the idea?\r
 104 >>> \r
 105 >>> notsync[1] used the (lack of) existence of a message id in the store to\r
 106 >>> decide whether to add something from an IMAP server, but it is old,\r
 107 >>> crufty, unused and unloved code.\r
 108 >>\r
 109 >> I see, that's close to my b) solution, thanks!\r
 110 >\r
 111 > Did you mean a) here? The idea was to add them all first and then run\r
 112 > this script to delete the duplicates.\r
 113 >\r
 114 \r
 115 Sorry: out of order arrival times and lack of care on my part. Sorry!\r
 116 \r
 117 MW\r
 118 \r
 119 > Best wishes\r
 120 >\r
 121 > Mark\r
 122 >\r
 123 >> -- \r
 124 >>      Vlad\r
 125 >> _______________________________________________\r
 126 >> notmuch mailing list\r
 127 >> notmuch@notmuchmail.org\r
 128 >> http://notmuchmail.org/mailman/listinfo/notmuch\r