fn_registry/python/functions/infra/vault_dedupe_report.md

name, kind, lang, domain, version, purity, signature, description, tags, params, output, uses_functions, uses_types, returns, returns_optional, error_type, imports, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	params	output	uses_functions	uses_types	returns	returns_optional	error_type	imports	tested	tests	test_file_path	file_path
vault_dedupe_report	function	py	infra	1.0.0	impure	def vault_dedupe_report(vault_path: str, min_size: int = 0, db_path: str | None = None) -> dict	Detecta archivos duplicados en un vault leyendo vault_index.db (agrupando por sha256) y calcula el espacio recuperable. Retorna grupos ordenados por bytes recuperables DESC.	vault dedupe duplicates disk sha256 sqlite	name desc vault_path Ruta raiz del vault. Usada como clave en el resultado y para localizar vault_index.db cuando db_path es None. name desc min_size Tamanio minimo en bytes para incluir un archivo en el analisis. Default 0 = todos los archivos. name desc db_path Override opcional de la ruta a vault_index.db. Si es None se usa <vault_path>/vault_index.db.	dict con vault_path, groups (sha256/size/count/files/reclaimable_bytes), total_groups, total_duplicates, total_reclaimable_bytes, scanned_files. groups ordenados por reclaimable_bytes DESC.				false	error_py_core	sqlite3 pathlib	true	test_no_duplicates test_basic_duplicates test_three_in_group test_min_size_filter test_multiple_groups_ordered	python/functions/infra/tests/test_vault_dedupe_report.py	python/functions/infra/vault_dedupe_report.py

Ejemplo

from infra.vault_dedupe_report import vault_dedupe_report

report = vault_dedupe_report("/data/vaults/my_vault", min_size=1024)
print(f"Grupos duplicados: {report['total_groups']}")
print(f"Espacio recuperable: {report['total_reclaimable_bytes'] // (1024**2)} MB")

for g in report["groups"][:5]:
    print(f"  sha256={g['sha256'][:12]}... size={g['size']} count={g['count']}")
    for f in g["files"]:
        print(f"    {f}")

Notas

• Solo considera filas con sha256 != '' (archivos efectivamente hasheados por vault_inventory_scan_go_infra).
• Abre la BD en modo read-only (?mode=ro) para no interferir con escrituras concurrentes.
• GROUP_CONCAT de SQLite no garantiza orden — los files se reordenan lexicograficamente en Python.
• Si la BD no existe o le falta la tabla files, lanza RuntimeError con mensaje orientativo.
• Prerequisito: haber corrido fn vault index <name> (pipeline vault_inventory_scan_go_infra + vault_index_write_go_infra) sobre el vault.