~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/planned-change-integration.txt

  • Committer: Robert Collins
  • Date: 2005-08-23 06:52:09 UTC
  • mto: (974.1.50) (1185.1.10) (1092.3.1)
  • mto: This revision was merged to the branch mainline in revision 1139.
  • Revision ID: robertc@robertcollins.net-20050823065209-81cd5962c401751b
move io redirection into each test case from the global runner

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
Integration of performance changes
2
 
==================================
3
 
 
4
 
To deliver a version of bzr with all our planned changes will require
5
 
significant integration work. Minimally each change needs to integrate with
6
 
some aspect of the bzr version it's merged into, but in reality many of these
7
 
changes while conceptually independent will in fact have to integrate with the
8
 
other changes we have planned before can have a completed system.
9
 
 
10
 
Additionally changes that alter disk formats are inherently more tricky to
11
 
integrate because we will often need to alter apis throughout the code base to
12
 
expose the increased or reduced model of the preferred disk format.
13
 
 
14
 
You can generate a graph ``performance.png`` in the source tree from
15
 
Graphviz "dot" file ``performance.dot``.  This graphs out the dependencies
16
 
to let us make accurate assessments of the changes needed in terms of code
17
 
and API, hopefully minimising the number of different integration steps we
18
 
have to take, while giving us a broad surface area for development. It's
19
 
based on a summary in the next section of this document of the planned
20
 
changes with their expected collaborators and dependencies. Where a
21
 
command is listed, the expectation is that all uses of that command -
22
 
local, remote, dumb transport and smart transport are being addressed
23
 
together.
24
 
 
25
 
 
26
 
The following provides a summary of the planned changes and their expected
27
 
collaborators within the code base, along with an estimate of whether they are
28
 
likely to require changes to their collaborators to be considered 'finished'.
29
 
 
30
 
 * Use case target APIs: Each of these is likely to alter the Tree interface.
31
 
   Some few of them focus on Branch and will alter Branch and Repository
32
 
   accordingly. As they are targeted APIs we can deep changes all the way down
33
 
   the stack to the underlying representation to make it all fit well.
34
 
   Presenting a top level API for many things will be possible now as long as
35
 
   the exposed data is audited for things we plan to make optional, or remove:
36
 
   Such things cannot be present in the final API. Writing these APIs now will
37
 
   provide strong feedback to the design process for those things which are
38
 
   considered optional or removable, so these APIs should be implemented
39
 
   before removing or making optional existing data.
40
 
 
41
 
 * Deprecating versioned files as a supported API: This collaborates with the
42
 
   Repository API but can probably be done by adding a replacement API for
43
 
   places where the versioned-file api is used. We may well want to keep a
44
 
   concept of 'a file over time' or 'inventories over time', so the existing
45
 
   repository model of exposing versioned file objects may be ok; what we need
46
 
   to ensure we do is remove the places in the code base where you create or
47
 
   remove or otherwise describe manipulation of the storage by knit rather than
48
 
   talking at the level of file ids and revision ids. The current
49
 
   versioned-file API would be a burden for implementors of a blob based
50
 
   repository format, so the removal of callers, and deprecation of those parts
51
 
   of the API should be done before creating a blob based repository format.
52
 
 
53
 
 * Creating a revision validator: Revision validators may depend on storage
54
 
   layer changes to inventories so while we can create a revision validator
55
 
   API, we cannot create the final one until we have the inventory structural
56
 
   changes completed.
57
 
 
58
 
 * Annotation caching API: This API is a prerequisite for new repository
59
 
   formats. If written after they are introduced we may find that the
60
 
   repository is lacking in functionality, so the API should be implemented
61
 
   first.
62
 
 
63
 
 * _iter_changes based merging: If the current _iter_changes_ API is
64
 
   insufficient, we should know about that before designing the disk format for
65
 
   generating fast _iter_changes_ output.
66
 
 
67
 
 * Network-efficient revision graph API: This influences what questions we will
68
 
   want to ask a local repository very quickly; as such it's a driver for the
69
 
   new repository format and should be in place first if possible. Its probably
70
 
   not sufficiently different to local operations to make this a hard ordering
71
 
   though.
72
 
 
73
 
 * Working tree disk ordering: Knowing the expected order for disk operations
74
 
   may influence the needed use case specific APIs, so having a solid
75
 
   understanding of what is optimal - and why - and whether it is pessimal on
76
 
   non linux platforms is rather important.
77
 
 
78
 
 * Be able to version files greater than memory in size: This cannot be
79
 
   achieved until all parts of the library which deal with user files are able
80
 
   to provide access to files larger than memory. Many strategies can be
81
 
   considered for this - such as temporary files on disk, memory mapping etc.
82
 
   We should have enough of a design laid out that developers of repository and
83
 
   tree logic are able to start exposing apis, and considering requirements
84
 
   related to them, to let this happen.
85
 
 
86
 
 * Per-file graph access API: This should be implemented on top of or as part
87
 
   of the newer API for accessing data about a file over time. It can be a
88
 
   separate step easily; but as it's in the same area of the library should not
89
 
   be done in parallel.
90
 
  
91
 
 * Repository stacking API: The key dependency/change required for this is that
92
 
   repositories must individually be happy with having partial data - e.g. many
93
 
   ghosts. However the way the API needs to be used should be driven from the
94
 
   command layer in, because its unclear at the moment what will work best.
95
 
 
96
 
 * Revision stream API: This API will become clear as we streamline commands.
97
 
   On the data insertion side commit will want to generate new data. The
98
 
   commands pull, bundle, merge, push, possibly uncommit will want to copy
99
 
   existing data in a streaming fashion.
100
 
 
101
 
 * New container format: Its hard to tell what the right way to structure the
102
 
   layering is. Probably having smooth layering down to the point that code
103
 
   wants to operate on the containers directly will make this more clear. As
104
 
   bundles will become a read-only branch & repository, the smart server wants
105
 
   streaming-containers, and we are planning a pack based repository, it
106
 
   appears that we will have three different direct container users. However,
107
 
   the bundle user may in fact be fake - because it really is a repository.
108
 
 
109
 
 * Separation of annotation cache: Making the disk changes to achieve this
110
 
   depends on the new API being created. Bundles probably want to be
111
 
   annotation-free, so they are a form of implementation of this and will need
112
 
   the on-demand annotation facility.
113
 
 
114
 
 * Repository operation disk ordering: Dramatically changing the ordering of
115
 
   disk operations requires a new repository format. We have most of the
116
 
   analysis done to be able to specify the desired ordering, so it should be
117
 
   possible to write such a format now based on the container logic, but
118
 
   without any of the inventory representation or delta representation changes.
119
 
   This would for instance involve pack combining ordering the existing diffs
120
 
   in reverse order.
121
 
 
122
 
 * Inventory representation: This has a dependency on what data is
123
 
   dropped from the core and what is kept. Without those changes being known we
124
 
   can implement a new representation, but it won't be a final one. One of the
125
 
   services the new inventory representation is expected to deliver is one of
126
 
   validators for subtrees -- a means of comparing just subtrees of two
127
 
   inventories without comparing all the data within that subtree.
128
 
 
129
 
 * Delta storage optimisation: This has a strict dependency on a new repository
130
 
   format. Optimisation takes many forms - we probably cannot complete the
131
 
   desired optimisations under knits though we could use xdelta within a
132
 
   knit-variation. 
133
 
 
134
 
 * Greatest distance from origin cache: The potential users of this exist
135
 
   today, it is likely able to be implemented immediately, but we are not sure
136
 
   that its needed anymore, so it is being shelved.
137
 
 
138
 
 * Removing derivable data: Its very hard to do this while the derived data is
139
 
   exposed in API's but not used by commands. Implemented the targeted API's
140
 
   for our core use cases should allow use to remove accidental use of derived
141
 
   data, making only explicit uses of it visible, and isolating the impact of
142
 
   removing it : allowing us to experiment sensibly. This covers both dropping
143
 
   the per-file merge graph and the hash-based-names proposals.