Add 301 logic and cache

server.js

@@ -1,30 +1,183 @@
 // server.js
 const express = require('express');
 const { chromium } = require('playwright');
+const Database = require('better-sqlite3');
 
 const app = express();
 const port = process.env.PORT || 3000;
 
-// Использовать системный Chromium, если задан путь (например, /usr/bin/chromium в Debian)
-const executablePath = process.env.CHROMIUM_PATH || undefined; // можно оставить undefined, если Chromium в PATH [1][2]
-
-// Базовый набор флагов для контейнера без systemd/dbus и без install-deps
+const executablePath = process.env.CHROMIUM_PATH || undefined;
 const chromiumArgs = [
-  '--no-sandbox',                // запуск без setuid sandbox в контейнере [14]
-  '--disable-setuid-sandbox',    // отключение setuid sandbox [14]
-  '--disable-dev-shm-usage',     // использовать /tmp вместо /dev/shm (если нет --ipc=host) [15][16]
-  '--disable-gpu',               // headless окружение [14]
-  '--no-zygote',                 // упрощение процессов в контейнере [14]
+  '--no-sandbox',
+  '--disable-setuid-sandbox',
+  '--disable-dev-shm-usage',
+  '--disable-gpu',
+  '--no-zygote',
 ];
 
+const CACHE_TTL_SECONDS = parseInt(process.env.CACHE_TTL_SECONDS || '21600', 10);
+const MAX_REDIRECT_STEPS = parseInt(process.env.MAX_REDIRECT_STEPS || '20', 10); // анти-цикл по глубине
+
+const db = new Database(process.env.SQLITE_PATH || './cache.db');
+db.pragma('journal_mode = WAL');
+db.exec(`
+CREATE TABLE IF NOT EXISTS domain_cache (
+  domain TEXT PRIMARY KEY,
+  result_json TEXT NOT NULL,     -- JSON массива связанных доменов
+  final_url TEXT,
+  redirect_chain_json TEXT,      -- JSON журнала редиректов
+  updated_at INTEGER NOT NULL,
+  ttl_at INTEGER NOT NULL
+);
+`);
+
+const stmtSelect = db.prepare(`
+  SELECT result_json, final_url, redirect_chain_json, updated_at, ttl_at
+  FROM domain_cache WHERE domain = ?
+`);
+const stmtUpsert = db.prepare(`
+INSERT INTO domain_cache (domain, result_json, final_url, redirect_chain_json, updated_at, ttl_at)
+VALUES (@domain, @result_json, @final_url, @redirect_chain_json, @updated_at, @ttl_at)
+ON CONFLICT(domain) DO UPDATE SET
+  result_json = excluded.result_json,
+  final_url = excluded.final_url,
+  redirect_chain_json = excluded.redirect_chain_json,
+  updated_at = excluded.updated_at,
+  ttl_at = excluded.ttl_at
+`);
+
 app.use(express.json());
 
 function extractDomain(url) {
-  try {
-    return new URL(url).hostname;
-  } catch {
-    return null;
+  try { return new URL(url).hostname; } catch { return null; }
+}
+
+let browser;
+async function getBrowser() {
+  if (browser && browser.isConnected()) return browser;
+  browser = await chromium.launch({
+    executablePath,
+    headless: true,
+    args: chromiumArgs,
+  });
+  return browser;
+}
+
+// Вспомогательная функция для сборки полного журнала редиректов через цепочку redirectedFrom()
+function buildRedirectChainForResponse(resp) {
+  const chain = [];
+  const currentReq = resp.request();
+  let prev = currentReq.redirectedFrom();
+  let toUrl = currentReq.url();
+  const status = resp.status();
+  while (prev) {
+    chain.push({ from: prev.url(), to: toUrl, status });
+    toUrl = prev.url();
+    prev = prev.redirectedFrom();
   }
+  return chain.reverse();
+}
+
+async function scanDomainOnce(originDomain) {
+  const startUrl = `https://${originDomain}`;
+
+  const b = await getBrowser();
+  const context = await b.newContext();
+  const page = await context.newPage();
+
+  const seenDomains = new Set();
+  const redirectLog = [];
+  const visitedUrls = new Set(); // для детекции циклов
+  let redirectSteps = 0;
+
+  // Фиксируем все запросы
+  page.on('request', req => {
+    const d = extractDomain(req.url());
+    if (d) seenDomains.add(d);
+  });
+
+  // Фиксируем ответы и редиректные цепочки
+  page.on('response', resp => {
+    const url = resp.url();
+    const d = extractDomain(url);
+    if (d) seenDomains.add(d);
+
+    // Добавим элементы цепочки, если ответ был редиректом (3xx)
+    const status = resp.status();
+    if (status >= 300 && status < 400) {
+      const piece = buildRedirectChainForResponse(resp);
+      redirectLog.push(...piece);
+    }
+  });
+
+  try {
+    let currentUrl = startUrl;
+    // Анти-цикл: свой контроль над goto в несколько шагов — через ожидание события navigation и проверку URL
+    // Однако Playwright следует редиректам сам; для анти-цикла контролируем уникальность URL после перехода
+    const resp = await page.goto(currentUrl, { waitUntil: 'domcontentloaded', timeout: 30000 });
+    // После авто-редиректов Playwright мы проверим фактическую цепочку через обработчики и page.url()
+
+    // Защита от «вечных» редиректов: проверим историю URL в performance entries
+    // Простой и надёжный способ: считать шаги смены URL в waitForNavigation с url predicate — но нам достаточно лимита по постфакту.
+    // Проверим финальный URL и убедимся, что не было явного зацикливания по уже виденным URL.
+    const finalUrl = page.url();
+    if (visitedUrls.has(finalUrl)) {
+      throw new Error('Redirect loop detected');
+    }
+    visitedUrls.add(finalUrl);
+
+    // Как дополнительная защита — лимит по шагам 3xx из собранного redirectLog
+    // Если цепочка слишком длинная, считаем её небезопасной.
+    redirectSteps = redirectLog.length;
+    if (redirectSteps > MAX_REDIRECT_STEPS) {
+      throw new Error(`Too many redirects (${redirectSteps})`);
+    }
+
+    await context.close();
+
+    const relatedDomains = Array.from(seenDomains)
+      .filter(d => !d.includes('doubleclick') && !d.includes('google'))
+      .sort();
+
+    return {
+      finalUrl,
+      relatedDomains,
+      redirectChain: redirectLog,
+    };
+  } catch (e) {
+    try { await context.close(); } catch {}
+    throw e;
+  }
+}
+
+function getFromCache(domain) {
+  const row = stmtSelect.get(domain);
+  if (!row) return null;
+  const now = Math.floor(Date.now() / 1000);
+  if (row.ttl_at > now) {
+    return {
+      relatedDomains: JSON.parse(row.result_json),
+      finalUrl: row.final_url || null,
+      redirectChain: row.redirect_chain_json ? JSON.parse(row.redirect_chain_json) : [],
+      cached: true,
+      cachedAt: row.updated_at,
+      ttlAt: row.ttl_at,
+    };
+  }
+  return null;
+}
+
+function putToCache(domain, result) {
+  const now = Math.floor(Date.now() / 1000);
+  const ttlAt = now + CACHE_TTL_SECONDS;
+  stmtUpsert.run({
+    domain,
+    result_json: JSON.stringify(result.relatedDomains || []),
+    final_url: result.finalUrl || null,
+    redirect_chain_json: JSON.stringify(result.redirectChain || []),
+    updated_at: now,
+    ttl_at: ttlAt,
+  });
 }
 
 app.get('/domains', async (req, res) => {
@@ -33,46 +186,47 @@ app.get('/domains', async (req, res) => {
     res.status(400).json({ error: '"domain" query parameter is required' });
     return;
   }
-
-  const url = `https://${domain}`;
-  const seenDomains = new Set();
-  let browser;
-  let context;
-
   try {
-    browser = await chromium.launch({
-      executablePath,            // берётся из CHROMIUM_PATH при наличии [1][2]
-      headless: true,            // явный headless режим для контейнера [14]
-      args: chromiumArgs,        // флаги для стабильности в Docker [15][14]
+    const cached = getFromCache(domain);
+    if (cached) {
+      res.json({
+        domain,
+        finalUrl: cached.finalUrl,
+        relatedDomains: cached.relatedDomains,
+        redirectChain: cached.redirectChain,
+        cached: true,
+        cachedAt: cached.cachedAt,
+        ttlAt: cached.ttlAt,
+      });
+      return;
+    }
+
+    const result = await scanDomainOnce(domain);
+    putToCache(domain, result);
+
+    res.json({
+      domain,
+      finalUrl: result.finalUrl,
+      relatedDomains: result.relatedDomains,
+      redirectChain: result.redirectChain,
+      cached: false,
     });
-
-    context = await browser.newContext();
-    const page = await context.newPage();
-
-    page.on('request', request => {
-      const d = extractDomain(request.url());
-      if (d) seenDomains.add(d);
-    });
-
-    await page.goto(url, { waitUntil: 'load', timeout: 30000 });
-
-    // Фильтрация доменов после закрытия страницы
-    await context.close();
-    await browser.close();
-
-    const filteredDomains = Array.from(seenDomains)
-      .filter(d => !d.includes('doubleclick') && !d.includes('google'))
-      .sort();
-
-    res.json({ domains: filteredDomains });
   } catch (e) {
-    // Безопасно закрыть ресурсы при ошибке
-    try { if (context) await context.close(); } catch {}
-    try { if (browser) await browser.close(); } catch {}
     res.status(500).json({ error: e.message || 'Internal server error' });
   }
 });
 
+app.get('/health', (_req, res) => res.json({ ok: true }));
+
+process.on('SIGTERM', async () => {
+  try { if (browser) await browser.close(); } catch {}
+  process.exit(0);
+});
+process.on('SIGINT', async () => {
+  try { if (browser) await browser.close(); } catch {}
+  process.exit(0);
+});
+
 app.listen(port, () => {
   console.log(`Domain scanner service listening on port ${port}`);
 });