capture_targets

撮る対象の一覧。 capture-ledger が答える唯一の問い「どの URL を撮るか」の答えがここにあります。 POST /api/crawls に fromTargets を渡すと、この表の有効な行（呼び出し元の組織のぶんだけ）がクロールの起点になります。

    .addColumn("url", "text", (col) => col.notNull().check(sql`url <> '' AND url = btrim(url)`))
    .addColumn("url_hash", sql`bytea`, (col) =>
      col.generatedAlwaysAs(sql`digest(url, 'sha256')`).stored(),
    )
    .addColumn("labels", sql`text[]`, (col) => col.notNull().defaultTo(sql`'{}'::text[]`))
    .addColumn("enabled", "boolean", (col) => col.notNull().defaultTo(true))
    .addColumn("created_at", "timestamptz", (col) => col.notNull().defaultTo(sql`now()`))
    .addColumn("updated_at", "timestamptz", (col) => col.notNull().defaultTo(sql`now()`))

列の要点

列	要点
`id`	`BIGSERIAL`。投入順で、ローダの `ORDER BY` がそれを保つ
`url`	`CHECK (url <> '' AND url = btrim(url))` と `CHECK (url ~* '^https?://')` — 空文字・前後空白・http(s) でない値をデータベースが拒否する
`url_hash`	生成列。`digest(url, 'sha256')` を stored 保存。ユニーク索引の土台で、直接読むことはない
`labels`	`TEXT[]`。もう読んでいない —— 起点にするのは `url` だけなので、BrowserHive にも成果物のファイル名にも届かない
`enabled`	部分索引 `capture_targets_enabled_id_idx` が覆う。無効行はコストにならない
`org_id`	この URL がどの組織のものか。既定値は無い —— `INSERT` では必ず書く。`fromTargets` はこれで絞るので、他テナントの対象は起点にならない
`created_at` / `updated_at`	`now()` 既定。自動更新トリガは今のところ無い

索引

capture_targets_pkey              PRIMARY KEY (id)
capture_targets_org_url_hash_key  UNIQUE (org_id, url_hash)  -- 同じ組織に、同じ URL は 2 度入らない
capture_targets_enabled_id_idx    (id) WHERE enabled         -- 部分索引

capture_targets_enabled_id_idx が部分索引なのは、読み取りが必ず WHERE enabled を伴うためです。無効な行まで索引に入れても場所の無駄になります。

行を足す

pnpm run targets add https://example.com/ --org acme

この表に直接書く、開発用の CLI です。 DB の側では、同じ組織に同じ URL の行を 2 本目に入れようとすると、capture_targets_org_url_hash_key で弾かれます。別の組織なら、同じ URL を入れられます。 CLI のほかの使い方と、手で足す SQL は、URL ソースにあります。