← Back to branch summary

~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/performance-use-case-analysis.txt

Merge the 0.17 fixes back into bzr.dev

Show diffs side-by-side

added added

removed removed

Lines of Context:
doc/developers/performance-use-case-analysis.txt
1
 
.. This document describes _how_ to do use case analyses and what we want
2
 
.. to get out of them; for the specific cases see the files referenced by
3
 
.. performance-roadmap.txt
4
 
 
5
1
Analysing a specific use case
6
2
=============================
7
3
 
53
49
   - The time to get bzr ready to begin the use case.
54
50
 
55
51
- scaling: how does performance change when any of the follow aspects
56
 
  of the system are ratcheted massively up or down:
 
52
  of the system are ratched massively up or down:
57
53
 
58
 
   - number of files/dirs/symlinks/subtrees in a tree (both working and
 
54
   - number of files/dirs/symlinks/subtrees in a tree (both working and 
59
55
     revision trees)
60
56
   - size of any particular file
61
57
   - number of elements within a single directory
77
73
   - bandwidth when performing semantic operations.
78
74
 
79
75
- locality of reference: If an operation requires data that is located
80
 
  within a small region at any point, we often get better performance
 
76
  within a small region at any point, we often get better performance 
81
77
  than with an implementation of the same operation that requires the
82
 
  same amount of data but with a lower locality of reference. Its
 
78
  same amount of data but with a lower locality of reference. Its 
83
79
  fairly tricky to add locality of reference after the fact, so I think
84
80
  its worth considering up front.
85
81
 
89
85
measurements, in an ideal world there would be no more than one round
90
86
trip for each semantic operation. What there must not be is one round
91
87
trip per revision involved in the revisionid->dotted number mapping, nor
92
 
per each revision id attributed to a line in the text.
 
88
per each revision id attributed to a line in the text. 
93
89
 
94
90
Not all the items mentioned above are created equal. The analysis should
95
91
include the parameters considered and the common case values for each - the
104
100
Many performance problems only become visible when changing the scaling knobs
105
101
upwards to large trees. On small trees its our baseline performance that drives
106
102
incremental improvements; on large trees its the amount of processing per item
107
 
that drives performance. A significant goal therefore is to keep the amount of
 
103
that drives performance. A significant goal therefore is to keep the amouont of
108
104
data to be processed under control. Ideally we can scale in a sublinear fashion
109
105
for all operations, but we MUST NOT scale even linearly for operations that
110
106
invoke a latency multiplier. For example, reading a file on disk requires