~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/repository-stream.txt

  • Committer: John Arbash Meinel
  • Date: 2008-09-26 22:14:42 UTC
  • mto: This revision was merged to the branch mainline in revision 3747.
  • Revision ID: john@arbash-meinel.com-20080926221442-3r67j99sr9rwe9w0
Make message optional, don't check the memory flag directly.

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
==================
 
2
Repository Streams
 
3
==================
 
4
 
 
5
Status
 
6
======
 
7
 
 
8
:Date: 2008-04-11
 
9
 
 
10
This document describes the proposed programming interface for streaming
 
11
data from and into repositories. This programming interface should allow
 
12
a single interface for pulling data from and inserting data into a Bazaar
 
13
repository.
 
14
 
 
15
.. contents::
 
16
 
 
17
 
 
18
Motivation
 
19
==========
 
20
 
 
21
To eliminate the current requirement that extracting data from a
 
22
repository requires either using a slow format, or knowing the format of
 
23
both the source repository and the target repository.
 
24
 
 
25
 
 
26
Use Cases
 
27
=========
 
28
 
 
29
Here's a brief description of use cases this interface is intended to
 
30
support.
 
31
 
 
32
Fetch operations
 
33
----------------
 
34
 
 
35
We fetch data between repositories as part of push/pull/branch operations.
 
36
Fetching data is currently an very interactive process with lots of
 
37
requests. For performance having the data be supplied in a stream will
 
38
improve push and pull to remote servers. For purely local operations the
 
39
streaming logic should help reduce memory pressure. In fetch operations
 
40
we always know the formats of both the source and target.
 
41
 
 
42
Smart server operations
 
43
~~~~~~~~~~~~~~~~~~~~~~~
 
44
 
 
45
With the smart server we support one streaming format, but this is only
 
46
usable when both the client and server have the same model of data, and
 
47
requires non-optimal IO ordering for pack to pack operations. Ideally we
 
48
can both provide optimal IO ordering the pack to pack case, and correct
 
49
ordering for pack to knits.
 
50
 
 
51
Bundles
 
52
-------
 
53
 
 
54
Bundles also create a stream of data for revisions from a repository.
 
55
Unlike fetch operations we do not know the format of the target at the
 
56
time the stream is created. It would be good to be able to treat bundles
 
57
as frozen branches and repositories, so a serialised stream should be
 
58
suitable for this.
 
59
 
 
60
Data conversion
 
61
---------------
 
62
 
 
63
At this point we are not trying to integrate data conversion into this
 
64
interface, though it is likely possible.
 
65
 
 
66
 
 
67
Characteristics
 
68
===============
 
69
 
 
70
Some key aspects of the described interface are discussed in this section.
 
71
 
 
72
Single round trip
 
73
-----------------
 
74
 
 
75
All users of this should be able to create an appropriate stream from a
 
76
single round trip.
 
77
 
 
78
Forward-only reads
 
79
------------------
 
80
 
 
81
There should be no need to seek in a stream when inserting data from it
 
82
into a repository. This places an ordering constraint on streams which
 
83
some repositories do not need.
 
84
 
 
85
 
 
86
Serialisation
 
87
=============
 
88
 
 
89
At this point serialisation of a repository stream has not been specified.
 
90
Some considerations to bear in mind about serialisation are worth noting
 
91
however.
 
92
 
 
93
Weaves
 
94
------
 
95
 
 
96
While there shouldn't be too many users of weave repositories anymore,
 
97
avoiding pathological behaviour when a weave is being read is a good idea.
 
98
Having the weave itself embedded in the stream is very straight forward
 
99
and does not need expensive on the fly extraction and re-diffing to take
 
100
place.
 
101
 
 
102
Bundles
 
103
-------
 
104
 
 
105
Being able to perform random reads from a repository stream which is a
 
106
bundle would allow stacking a bundle and a real repository together. This
 
107
will need the pack container format to be used in such a way that we can
 
108
avoid reading more data than needed within the pack container's readv
 
109
interface.
 
110
 
 
111
 
 
112
Specification
 
113
=============
 
114
 
 
115
This describes the interface for requesting a stream, and the programming
 
116
interface a stream must provide. Streams that have been serialised should
 
117
expose the same interface.
 
118
 
 
119
Requesting a stream
 
120
-------------------
 
121
 
 
122
To request a stream, three parameters are needed:
 
123
 
 
124
 * A revision search to select the revisions to include.
 
125
 * A data ordering flag. There are two values for this - 'unordered' and
 
126
   'topological'. 'unordered' streams are useful when inserting into
 
127
   repositories that have the ability to perform atomic insertions.
 
128
   'topological' streams are useful when converting data, or when
 
129
   inserting into repositories that cannot perform atomic insertions (such
 
130
   as knit or weave based repositories).
 
131
 * A complete_inventory flag. When provided this flag signals the stream
 
132
   generator to include all the data needed to construct the inventory of
 
133
   each revision included in the stream, rather than just deltas. This is
 
134
   useful when converting data from a repository with a different
 
135
   inventory serialisation, as pure deltas would not be able to be
 
136
   reconstructed.
 
137
 
 
138
 
 
139
Structure of a stream
 
140
---------------------
 
141
 
 
142
A stream is an object. It can be consistency checked via the ``check``
 
143
method (which consumes the stream). The ``iter_contents`` method can be
 
144
used to iterate the contents of the stream. The contents of the stream are
 
145
a series of top level records, each of which contains one or more
 
146
bytestrings (potentially as a delta against another item in the
 
147
repository) and some optional metadata.
 
148
 
 
149
 
 
150
Consuming a stream
 
151
------------------
 
152
 
 
153
To consume a stream, obtain an iterator from the streams
 
154
``iter_contents`` method. This iterator will yield the top level records.
 
155
Each record has two attributes. One is ``key_prefix`` which is a tuple key
 
156
prefix for the names of each of the bytestrings in the record. The other
 
157
attribute is ``entries``, an iterator of the individual items in the
 
158
record. Each item that the iterator yields is a factory which has metadata
 
159
about the entry and the ability to return the compressed bytes. This
 
160
factory can be decorated to allow obtaining different representations (for
 
161
example from a compressed knit fulltext to a plain fulltext). 
 
162
 
 
163
In pseudocode::
 
164
 
 
165
  stream = repository.get_repository_stream(search, UNORDERED, False)
 
166
  for record in stream.iter_contents():
 
167
      for factory in record.entries:
 
168
          compression = factory.storage_kind
 
169
          print "Object %s, compression type %s, %d bytes long." % (
 
170
              record.key_prefix + factory.key,
 
171
              compression, len(factory.get_bytes_as(compression)))
 
172
 
 
173
This structure should allow stream adapters to be written which can coerce
 
174
all records to the type of compression that a particular client needs. For
 
175
instance, inserting into weaves requires fulltexts, so a stream would be
 
176
adapted for weaves by an adapter that takes a stream, and the target
 
177
weave, and then uses the target weave to reconstruct full texts (which is
 
178
all that the weave inserter would ask for). In a similar approach, a
 
179
stream could internally delta compress many fulltexts and be able to
 
180
answer both fulltext and compressed record requests without extra IO.
 
181
 
 
182
factory metadata
 
183
~~~~~~~~~~~~~~~~
 
184
 
 
185
Valid attributes on the factory are:
 
186
 * sha1: Optional ascii representation of the sha1 of the bytestring (after
 
187
   delta reconstruction).
 
188
 * storage_kind: Required kind of storage compression that has been used
 
189
   on the bytestring. One of ``mpdiff``, ``knit-annotated-ft``,
 
190
   ``knit-annotated-delta``, ``knit-ft``, ``knit-delta``, ``fulltext``.
 
191
 * parents: Required graph parents to associate with this bytestring.
 
192
 * compressor_data: Required opaque data relevant to the storage_kind.
 
193
   (This is set to None when the compressor has no special state needed)
 
194
 * key: The key for this bytestring. Like each parent this is a tuple that
 
195
   should have the key_prefix prepended to it to give the unified
 
196
   repository key name.
 
197
 
 
198
..
 
199
   vim: ft=rst tw=74 ai
 
200