← Back to branch summary

~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/diff.txt

  • Committer: Robert Collins
  • Date: 2005-10-11 07:52:29 UTC
  • mto: This revision was merged to the branch mainline in revision 1444.
  • Revision ID: robertc@lifelesslap.robertcollins.net-20051011075229-e1a1429e0b59f80f
nuke --pattern to selftest, replace with regexp.search calls.

Show diffs side-by-side

added added

removed removed

Lines of Context:
doc/developers/diff.txt
1
 
diff Performance Analysis
2
 
=========================
3
 
 
4
 
.. contents:: :local:
5
 
 
6
 
Minimal Work
7
 
------------
8
 
 
9
 
Reuse of historical comparisons
10
 
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
11
 
A significant part of the work done by diff is sequence matching.  This
12
 
scales O(n^2) with the number of lines in the file.  Therefore, it
13
 
is worthwile to avoid content comparisons as much as possible.
14
 
 
15
 
Our current knit format contains content comparisons, and this data can
16
 
be converted into lists of matching blocks.  Other future formats such as
17
 
mpdiff may also support such conversion.  So it is possible to reuse past
18
 
comparisons.
19
 
 
20
 
It is also possible to combine sequential comparisons.  So given a comparison
21
 
of "foo" to "bar", and "bar" to "baz", it is possible to derive a comparison of
22
 
"foo" to "baz".
23
 
 
24
 
Reuse of historical comparisons will scale with the number of uncommon
25
 
build-parents between the two historical revisions.  This will typically be
26
 
proportional to the amount of change that the file has undergone.  Therefore,
27
 
in the common case, reuse of historical comparisons will scale with the
28
 
amount of change.
29
 
 
30
 
The downside of such reuse is that it ties the comparison to the historical
31
 
data.  But given the performance improvement, it seems to be worth
32
 
consideration.  Fresh comparisons can be performed if the user requests them.
33
 
 
34
 
It may also be possible to accelerate comparisons by including annotation data,
35
 
thus increasing the number of unique lines.
36
 
 
37
 
Historical Tree Against Historical Tree
38
 
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
39
 
This operation should be strictly proportional to the amount of change, because
40
 
a comparison has already been done at commit time.  Achieving that performance
41
 
requires the committed data to be properly structured, so that the comparison
42
 
can be extracted and combined with other comparisons.  This comparision
43
 
extraction should be possible at the inventory and file-content levels.
44
 
 
45
 
Minimum work:
46
 
 
47
 
1. Extract and combine inventory comparisons
48
 
2. Extract and combine text comparisions for modified texts
49
 
 
50
 
Basis Against Historical Tree
51
 
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
52
 
This is another case of Historical Tree Against Historical Tree.
53
 
 
54
 
Basis Against Basis
55
 
~~~~~~~~~~~~~~~~~~~
56
 
This is another case of Historical Tree Against Historical Tree.
57
 
 
58
 
Working Tree Against Basis
59
 
~~~~~~~~~~~~~~~~~~~~~~~~~~
60
 
This must scale with the number of versioned files, unless the user indicates
61
 
that only certain files should be compared.
62
 
 
63
 
Performance can be further improved by caching comparisons to avoid repeating
64
 
them.  Caching could potentially be performed by ``diff`` and perhaps by
65
 
``merge``.  Merge is aware of the relationship of a text merge's result to
66
 
the THIS value, and the THIS value is generally the basis value.  So the
67
 
comparison is latent, but present.  The only issue is extracting it.
68
 
 
69
 
The cache could be indexed by sha1sum pairs.  It could also be indexed by
70
 
file-id, to facilitate removal of stale data.
71
 
 
72
 
Minimum work:
73
 
 
74
 
1. Scan working tree for modified files
75
 
2. Retrieve cached comparisons
76
 
3. Perform comparisons on files with no cached comparisons
77
 
4. Cache comparisons for files with no cached comparisons
78
 
 
79
 
Working Tree Against Historical Tree
80
 
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
81
 
This can be structured as a comparison of working tree against basis tree,
82
 
followed by basis tree against historical tree.  Therefore, it combines the
83
 
performance characteristics of "Working Tree Against Basis" with "Basis Against
84
 
Historical Tree".
85
 
 
86
 
Working Tree Against Working Tree
87
 
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
88
 
This can be structured as two comparisons against basis, and one comparison
89
 
of basis against basis.  Its performance is therefore similar to Working Tree
90
 
Against Historical Tree.
91
 
 
92
 
API Changes
93
 
-----------
94
 
 
95
 
Desired API:
96
 
 
97
 
 - Tree.get_comparision(file_id, tree)
98
 
 
99
 
This probably entails:
100
 
 
101
 
 - WorkingTree.store_comparison(file_id, revision_id, sha1, comparison)
102
 
 - WorkingTree.get_comparison(file_id, revision_id, sha1)
103
 
 - Repository.get_comparision(file_id, revision_id, revision_id)
104
 
 - merge_comparisions(comparison, comparision)
105
 
 
106
 
Storage considerations
107
 
----------------------
108
 
It must be cheap (e.g. scale with number of intermediate revisions) to perform
109
 
comparison of two historical texts.  It must be cheap to perform comparison of
110
 
the inventories of two historical trees.