~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/packrepo.txt

Update for current index2 changes.

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
==========================
2
 
KnitPack repository format
3
 
==========================
4
 
 
5
 
.. contents::
6
 
 
7
 
Using KnitPack repositories
8
 
===========================
9
 
 
10
 
Motivation
11
 
----------
12
 
 
13
 
KnitPack is a new repository format for Bazaar, which is expected to be
14
 
faster both locally and over the network, is usually more compact, and
15
 
will work with more FTP servers.
16
 
 
17
 
Our benchmarking results to date have been very promising. We fully expect
18
 
to make a pack-based format the default in the near future.  We would
19
 
therefore like as many people as possible using KnitPack repositories,
20
 
benchmarking the results and telling us where improvements are still needed.
21
 
 
22
 
Preparation
23
 
-----------
24
 
 
25
 
A small percentage of existing repositories may have some inconsistent
26
 
data within them. It's is a good idea to check the integrity of your
27
 
repositories before migrating them to knitpack format. To do this, run::
28
 
 
29
 
  bzr check
30
 
 
31
 
If that reports a problem, run this command::
32
 
 
33
 
  bzr reconcile
34
 
 
35
 
Note that this can take many hours for repositories with deep history
36
 
so be sure to set aside some time for this if it is required.
37
 
 
38
 
Creating a new knitpack branch
39
 
------------------------------
40
 
 
41
 
If you're starting a project from scratch, it's easy to make it a
42
 
``knitpack`` one. Here's how::
43
 
 
44
 
  cd my-stuff
45
 
  bzr init --pack-0.92
46
 
  bzr add
47
 
  bzr commit -m "initial import"
48
 
 
49
 
In other words, use the normal sequence of commands but add the
50
 
``--pack-0.92`` option to the ``init`` command.
51
 
 
52
 
**Note:** In bzr 0.92, this format was called ``knitpack-experimental``.
53
 
 
54
 
Creating a new knitpack repository
55
 
----------------------------------
56
 
 
57
 
If you're starting a project from scratch and wish to use a shared repository
58
 
for branches, you can make it a ``knitpack`` repository like this::
59
 
 
60
 
  cd my-repo
61
 
  bzr init-repo --pack-0.92 .
62
 
  cd my-stuff
63
 
  bzr init
64
 
  bzr add
65
 
  bzr commit -m "initial import"
66
 
 
67
 
In other words, use the normal sequence of commands but add the
68
 
``--pack-0.92`` option to the ``init-repo`` command.
69
 
 
70
 
Upgrading an existing branch or repository to knitpack format
71
 
-------------------------------------------------------------
72
 
 
73
 
If you have an existing branch and wish to migrate it to
74
 
a ``knitpack`` format, use the ``upgrade`` command like this::
75
 
 
76
 
  bzr upgrade --pack-0.92 path-to-my-branch
77
 
 
78
 
If you are using a shared repository, run::
79
 
 
80
 
  bzr upgrade --pack-0.92 ROOT_OF_REPOSITORY
81
 
 
82
 
to upgrade the history database. Note that this will not
83
 
alter the branch format of each branch, so
84
 
you will need to also upgrade each branch individually
85
 
if you are upgrading from an old (e.g. < 0.17) bzr.
86
 
More modern bzr's will already have the branch format at
87
 
our latest branch format which adds support for tags.
88
 
 
89
 
Starting a new knitpack branch from one in an older format
90
 
----------------------------------------------------------
91
 
 
92
 
This can be done in one of several ways:
93
 
 
94
 
1. Create a new branch and pull into it
95
 
2. Create a standalone branch and upgrade its format
96
 
3. Create a knitpack shared repository and branch into it
97
 
 
98
 
Here are the commands for using the ``pull`` approach::
99
 
 
100
 
    bzr init --pack-0.92 my-new-branch
101
 
    cd my-new-branch
102
 
    bzr pull my-source-branch
103
 
 
104
 
Here are the commands for using the ``upgrade`` approach::
105
 
 
106
 
    bzr branch my-source-branch my-new-branch
107
 
    cd my-new-branch
108
 
    bzr upgrade --pack-0.92 .
109
 
 
110
 
Here are the commands for the shared repository approach::
111
 
 
112
 
  cd my-repo
113
 
  bzr init-repo --pack-0.92 .
114
 
  bzr branch my-source-branch my-new-branch
115
 
  cd my-new-branch
116
 
 
117
 
As a reminder, any of the above approaches can fail if the source branch
118
 
has inconsistent data within it and hasn't been reconciled yet. Please
119
 
be sure to check that before reporting problems.
120
 
 
121
 
Testing packs for bzr-svn users
122
 
-------------------------------
123
 
 
124
 
If you are using ``bzr-svn`` or are testing the prototype subtree support,
125
 
you can still use and assist in testing KnitPacks. The commands to use
126
 
are identical to the ones given above except that the name of the format
127
 
to use is ``knitpack-subtree-experimental``.
128
 
 
129
 
WARNING: Note that the subtree formats, ``dirstate-subtree`` and
130
 
``knitpack-subtree-experimental``, are **not** production strength yet and
131
 
may cause unexpected problems. They are required for the bzr-svn
132
 
plug-in but should otherwise only be used by people happy to live on the
133
 
bleeding edge. If you are using bzr-svn, you're on the bleeding edge anyway.
134
 
:-)
135
 
 
136
 
Reporting problems
137
 
------------------
138
 
 
139
 
If you need any help or encounter any problems, please contact the developers
140
 
via the usual ways, i.e. chat to us on IRC or send a message to our mailing
141
 
list. See http://wiki.bazaar.canonical.com/BzrSupport for contact details.
142
 
 
143
 
 
144
 
Technical notes
145
 
===============
146
 
 
147
 
Bazaar 0.92 adds a new format (experimental at first) implemented in
148
 
``bzrlib.repofmt.pack_repo.py``.
149
 
 
150
 
This format provides a knit-like interface which is quite compatible
151
 
with knit format repositories: you can get a VersionedFile for a
152
 
particular file-id, or for revisions, or for the inventory, even though
153
 
these do not correspond to single files on disk.
154
 
 
155
 
The on-disk format is that the repository directory contains these
156
 
files and subdirectories:
157
 
 
158
 
==================== =============================================
159
 
packs/               completed readonly packs
160
 
indices/             indices for completed packs
161
 
upload/              temporary files for packs currently being
162
 
                     written
163
 
obsolete_packs/      packs that have been repacked and are no
164
 
                     longer normally needed
165
 
pack-names           index of all live packs
166
 
lock/                lockdir
167
 
==================== =============================================
168
 
 
169
 
Note that for consistency we always write "indices" not "indexes".
170
 
 
171
 
This is implemented on top of pack files, which are written once from
172
 
start to end, then left alone.  A pack consists of a body file, plus
173
 
several index files.  There are four index files for each pack, which
174
 
have the same basename and an extension indicating the purpose of the
175
 
index:
176
 
 
177
 
======== ========== ======================== ==========================
178
 
extn     Purpose    Key                      References
179
 
======== ========== ======================== ==========================
180
 
``.tix`` File texts ``file_id, revision_id`` per-file parents,
181
 
                                             compression basis
182
 
                                             per-file parents
183
 
``.six`` Signatures ``revision_id,``         -
184
 
``.rix`` Revisions  ``revision_id,``         revision parents
185
 
``.iix`` Inventory  ``revision_id,``         revision parents,
186
 
                                             compression base
187
 
======== ========== ======================== ==========================
188
 
 
189
 
Indices are accessed through the ``bzrlib.index.GraphIndex`` class.
190
 
Indices are stored as sorted files on disk.  Each line is one record,
191
 
and contains:
192
 
 
193
 
 * key fields
194
 
 * a value string - for all these indices, this is an ascii decimal pair
195
 
   of "offset length" giving the position of the referenced data within
196
 
   the pack body file
197
 
 * a list of zero or more reference lists
198
 
 
199
 
The reference lists let a graph be stored within the index.  Each
200
 
reference list entry points to another entry in the same index.  The
201
 
references are represented as a byte offset for the target within the
202
 
index file.
203
 
 
204
 
When a compression base is given, it indicates that the body of the text
205
 
or inventory is a forward delta from the referenced revision.  The
206
 
compression base list must have length 0 or 1.
207
 
 
208
 
Like packs, indexes are written only once and then unmodified.  A
209
 
GraphIndex builder is a mutable in-memory graph that can be sorted,
210
 
cross-referenced and written out when the write group completes.
211
 
 
212
 
There can also be index entries with a value of 'a' for absent.  These
213
 
records exist just to be pointed to in a graph.  This is used, for
214
 
example, to give the revision-parent pointer when the parent revision is
215
 
in a previous pack.
216
 
 
217
 
The data content for each record is a knit data chunk.  The knits are
218
 
always unannotated - the annotations must be generated when needed.
219
 
(We'd like to cache/memoize the annotations.)  The data hunks can be
220
 
moved between packs without needing to recompress them.
221
 
 
222
 
It is not possible to regenerate an index from the body file, because it
223
 
contains information stored in the knit index that's not in the body.
224
 
(In particular, the per-file graph is only stored in the index.)
225
 
We would like to change this in a future format.
226
 
 
227
 
The lock is a regular LockDir lock.  The lock is only held for a much
228
 
reduced scope, while updating the pack-names file.  The bulk of the
229
 
insertion can be done without the repository locked.  This is an
230
 
implementation detail; the repository user should still call
231
 
``repository.lock_write`` at the regular time but be aware this does not
232
 
correspond to a physical mutex.
233
 
 
234
 
Read locks control caching but do not affect writers.
235
 
 
236
 
The newly-added repository write group concept is very important to
237
 
KnitPack repositories.  When ``start_write_group`` is called, a new
238
 
temporary pack is created and all modifications to the repository will
239
 
go into it until either ``commit_write_group`` or ``abort_write_group``
240
 
is called, at which time it is either finished and moved into place or
241
 
discarded respectively.  Write groups cannot be nested, only one can be
242
 
underway at a time on a Repository instance and they must occur within a
243
 
write lock.
244
 
 
245
 
Normally the data for each revision will be entirely within a single
246
 
pack but this is not required.
247
 
 
248
 
When a pack is finished, it gets a final name based on the md5 of all
249
 
the data written into the pack body file.
250
 
 
251
 
The ``pack-names`` file gives the list of all finished non-obsolete
252
 
packs.  (This should always be the same as the list of files in the
253
 
``packs/`` directory, but the file is needed for readonly http clients
254
 
that can't easily list directories, and it includes other information.)
255
 
The constraint on the ``pack-names`` list is that every file mentioned
256
 
must exist in the ``packs/`` directory.
257
 
 
258
 
In rare cases, when a writer is interrupted, about-to-be-removed packs
259
 
may still be present in the directory but removed from the list.
260
 
 
261
 
As well as the list of names, the pack-names file also contains the
262
 
size, in bytes, of each of the four indices.  This is used to bootstrap
263
 
bisection search within the indices.
264
 
 
265
 
In normal use, one pack will be created for each commit to a repository.
266
 
This would build up to an inefficient number of files over time, so a
267
 
``repack`` operation is available to recombine them, by producing larger
268
 
files containing data on multiple revisions.  This can be done manually
269
 
by running ``bzr pack``, and it also may happen automatically when a
270
 
write group is committed.
271
 
 
272
 
The repacking strategy used at the moment tries to balance not doing too
273
 
much work during commit with not having too many small files left in the
274
 
repository.  The algorithm is roughly this: the total number of
275
 
revisions in the repository is expressed as a decimal number, e.g.
276
 
"532".  Then we'll repack until we have five packs containing a hundred
277
 
revisions each, three packs containing ten revisions each, and two packs
278
 
with single revisions.  This means that each revision will normally
279
 
initially be created in a single-revision pack, then moved to a
280
 
ten-revision pack, then to a 100-pack, and so on.
281
 
 
282
 
As with other repositories, in normal use data is only inserted.
283
 
However, in some circumstances we may want to garbage-collect or prune
284
 
existing data, or reconcile indexes.
285
 
 
286
 
..
287
 
   vim: tw=72 ft=rst expandtab