Cutover 301 SeputarBorneo: jalankan peta artikel + tiga aturan halaman statis (kodenya sudah ada; sisanya artefak)

[ahliweb]

LINGKUP BERUBAH — 26 Agustus 2026. Issue ini SELESAI dan DITUTUP.

Pemilik produk mencabut kebutuhan migrasi PRD §41: tidak semua artikel dari
situs legacy perlu dimigrasikan atau diimpor, dan situsnya dipakai sebagai
RUJUKAN untuk fitur dan fungsionalitasnya. Dicatat sebagai
ADR-0116.

Seluruh premis issue ini ada di kalimat pembuka aslinya di bawah — "yang
dipindahkan adalah 23.906 artikel yang sudah diindeks mesin pencari selama
bertahun-tahun". Premis itu dicabut, jadi issue ini ditutup: keempat butir
lingkupnya TERKIRIM, dan satu-satunya butir DoD yang tersisa DICABUT.

Keempat butir lingkup: TERKIRIM, semuanya ada di main

Butir lingkup	Di mana
Kolom legacy_source_id/legacy_source_system + index	sql/138_awcms_blog_legacy_provenance.sql — kolom pada awcms_blog_posts plus awcms_blog_posts_legacy_source_dedup (UNIQUE)
Impor massal redirect, dry-run secara bawaan, dengan laporan pemetaan	bun run blog:legacy:redirects:import — tanpa --commit ia mencetak PREVIEW (nothing written)
Converter HTML → Portable Text yang menolak dengan laporan per-artikel	src/modules/blog-content/domain/legacy-html-conversion.ts — "a rejection is a fact"; ia menolak, bukan menyanitasi diam-diam
Validasi crawl pra-cutover	bun run blog:legacy:cutover:verify (tingkat DB) dan bun run blog:legacy:edge:verify (tingkat HTTP, ADR-0115)

Ditambah yang ditemukan sesudahnya dan tidak ada di daftar siapa pun: importer
menulis content_json sebagai { blocks: [] } yang di-hardcode, sehingga
awcms-astro akan membangun NOL halaman untuk setiap artikel terimpor — dan
tujuan artikelnya tak pernah diputuskan sampai ADR-0115 (PR #732).

Yang DICABUT

"tidak ada URL legacy yang menyelesaikan ke 404 atau ke rantai >1 hop"

Ini satu-satunya butir DoD yang tidak terkirim, dan ia dicabut alih-alih
dikerjakan. Alasannya bukan penjadwalan melainkan kebenaran: 301 adalah JANJI
bahwa kontennya pindah. Bila kontennya tidak pindah, tak ada tujuan jujur yang
bisa disebutnya.

Repo ini sudah menolak pertukaran itu persis sekali — ADR-0113 menolak
mengarahkan URL pencarian legacy ke artikel mana pun, karena "mengarahkannya ke
artikel mana pun adalah 301 yang berbohong". Diterapkan konsisten: URL tak bisa
dibawa tanpa membawa kontennya. Untuk artikel yang sengaja tidak diimpor,
status jujurnya 410, bukan 301 ke indeks kategori — 25.029 dari itu adalah
ladang soft-404.

Yang TETAP, dan mengapa tak ada kode yang berubah

Keenam job legacy tetap ada. Impor selektif adalah pipeline yang SAMA dengan
masukan yang lebih kecil, dan ia tak butuh kode baru karena
listLegacyRedirectMappings menyeleksi WHERE legacy_source_id IS NOT NULL — ia
menurunkan petanya dari baris yang ADA. Impor sepuluh artikel, ia memancarkan
sepuluh aturan. Impor parsial tak bisa menghasilkan aturan menggantung, secara
konstruksi.

Pemblokir media ~25.031 unggahan / 4,1 GB pun larut: secara bawaan tak ada yang
diimpor, jadi tak ada yang ditolak.

---

Konteks asli, dipertahankan sebagaimana ditulis

Bila SeputarBorneo masuk sebagai tenant kedua (PRD §41), yang dipindahkan adalah 23.906 artikel yang sudah diindeks mesin pencari selama bertahun-tahun. Dua hal hari ini membuat pemindahan itu kehilangan seluruh ekuitas SEO-nya, dan keduanya murah diperbaiki SEKARANG dan mahal diperbaiki nanti.

1. Tidak ada kolom id legacy, jadi pemetaan URL lama tidak bisa dibangun kembali

URL legacy berbentuk /news/{id_ber}_{slug}.html. Setelah impor, tidak ada apa pun pada baris awcms_blog_posts yang mengingat id_ber asalnya, jadi peta 301 tidak dapat diturunkan setelah fakta — hanya ditebak dari slug, yang tidak stabil (judul disunting, slug ikut berubah).

Perbaikan: kolom legacy_source_id (dan legacy_source_system) yang diisi saat impor. Murah sekarang; setelah 23.906 baris masuk tanpa kolom itu, hubungan asalnya hilang permanen.

2. seo_distribution punya redirect, tetapi tidak punya impor massal

awcms_seo_redirects (sql/060) menyimpan aturan redirect eksak-path dengan pencegahan rantai/loop dan gerbang assertSafeRedirectTarget di tulis MAUPUN resolve. Yang tidak ada: cara memuat puluhan ribu aturan sekaligus, dan cara memvalidasinya sebelum cutover.

PRD FR-DSC-007 menempatkan pemetaan 301 sebagai syarat migrasi tenant kedua, bukan pekerjaan opsional sesudahnya.

3. Badan CKEditor legacy tidak dapat disimpan

Badan artikel legacy adalah HTML CKEditor mentah. content_json tidak menerimanya, dan validasi tulis dengan benar MENOLAK <script>/<iframe>/<embed>/<object>. Jadi impor butuh converter HTML -> format kanonik yang: mempertahankan struktur (heading, list, quote, tautan, penekanan), memetakan <img> ke referensi objek media terkelola, dan menolak — bukan menyanitasi diam-diam — apa pun di luar tata bahasa yang diizinkan, dengan laporan per-baris atas apa yang ditolak.

Blokir pada #588: converter harus menargetkan format kanonik yang menang, bukan yang sedang diganti.

Lingkup

• Kolom legacy_source_id/legacy_source_system + index.
• Impor massal redirect dengan dry-run secara bawaan dan laporan pemetaan (--commit menulis), mengikuti preseden idn-regions:import.
• Converter HTML -> Portable Text dengan laporan penolakan per-artikel.
• Validasi crawl pra-cutover: ambil sitemap legacy, pastikan setiap URL menyelesaikan ke satu 301 (rantai >1 hop dilarang, PRD §9.2).

Definition of Done

Impor dapat dry-run dan menghasilkan laporan pemetaan (PRD §41 butir 14); tidak ada URL legacy yang menyelesaikan ke 404 atau ke rantai >1 hop; converter menolak dengan laporan alih-alih menyanitasi diam-diam; bun run check penuh hijau.

[ahliweb]

Design pass + adversarial review — the plan had a hole and a landmine

1. Nothing in the plan actually WROTE legacy_source_id

The sequencing said "--commit the article import (writing legacy_source_*)", but the deliverables listed a converter and a redirect importer and no article importer. The column that makes the whole redirect map derivable had no writer. That is the central deliverable, not a detail.

2. ADR-0098 landed while this was being designed

Commit 5f91b204 made the locale part of the path: src/lib/i18n/public-locale-path.ts:60-64 means /blog/{code}/{slug} is now locale-prefixed. Every legacy URL therefore maps to a locale-bearing target, and a redirect map built against the pre-ADR-0098 shape produces a second hop — which #599's own acceptance criterion (no chain longer than one hop, PRD §9.2) forbids.

3. Putting the lookup in resolveHostBasedRedirect hides it behind a switch

That transaction opens with if (!(await isSeoDistributionEnabled(...))). A legacy-URL resolver placed inside it is disabled for any deployment that has not turned seo_distribution on — but the 404s it prevents happen regardless. The fix must not be gated by a switch the failure is not gated by.

4. The lookup as specified is an information oracle

The design's only predicate was the partial unique index (WHERE deleted_at IS NULL). The real public-visibility predicate is status = 'published' and the visibility rules. Resolving a legacy id to a draft or archived post tells an anonymous caller that the article exists — and 301s them to a 404.

Also required

• check:docs enforces ADR index coverage (scripts/check-docs.mjs:222-236): a new ADR must be listed in docs/adr/README.md, with the .id.md mirror re-stamped.
• db:tenant-context:check scans src, scripts and tests — a bare withTenant(...) whose result is dropped typechecks and silently discards the response.
• config:env:coverage:check now resolves threaded env: NodeJS.ProcessEnv params, not only process.env.X.

Still to do before implementation

Enumerate every legacy URL shape from .htaccess, not just /news/{id}_{slug}.html. A map covering one shape silently drops the rest — and the rest includes the static-page rewrite (/{name}.html → /data/?halaman=) and the rubrik rewrite (/rubrik/{name}.html).

[ahliweb]

Landed in #640 — two of four scope items, plus a two-hop bug that was already merged

Done:

• bun run blog:legacy:import — the writer the design review found missing. NDJSON in, preview by default, three independent refusal gates (record / body / slug), all reported per row and none of which repairs anything. One INSERT rather than create-then-publish, because transitionBlogPostStatus sets published_at to now() and the whole issue is the original dates. Idempotent on sql/138's partial unique index.
• bun run blog:legacy:redirects:import — the map is derived from legacy_source_id rather than supplied, so the rules cannot disagree with the content. Checks in preview as well as commit that no target is itself a redirect source and that every target carries its locale prefix.

Fixed along the way: listLegacyRedirectMappings was emitting the pre-ADR-0098 bare path. Every legacy URL would have been redirected onto a path that immediately redirected again — the >1-hop chain PRD §9.2 forbids and that this issue names as its own acceptance criterion. The target now carries the prefix from the post's own locale.

Why this issue stays open

Two items need artefacts that are not in this repo, and guessing at them would produce a map that looks complete and silently drops URL shapes:

1. Every legacy URL shape from .htaccess. Only /news/{id}_{slug}.html is covered. The static-page rewrite (/{name}.html → /data/?halaman=) and the rubrik rewrite (/rubrik/{name}.html) need the actual file. Because the shape is a --path-template flag, covering them is a second run, not a code change — so this is genuinely blocked on the file, not on more work here.
2. The pre-cutover crawl against the live legacy sitemap. The local half — every rule this repo would write resolves in one hop to a published post — is enforced by the redirect importer. Fetching the legacy site to confirm coverage needs the legacy site.

Both unblock the moment somebody drops the .htaccess and the sitemap URL into the issue.