~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/fetch.txt

  • Committer: John Arbash Meinel
  • Date: 2010-02-17 17:11:16 UTC
  • mfrom: (4797.2.17 2.1)
  • mto: (4797.2.18 2.1)
  • mto: This revision was merged to the branch mainline in revision 5055.
  • Revision ID: john@arbash-meinel.com-20100217171116-h7t9223ystbnx5h8
merge bzr.2.1 in preparation for NEWS entry.

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
=============
2
 
Fetching data
3
 
=============
4
 
 
5
 
Overview of a fetch
6
 
===================
7
 
 
8
 
Inside bzr, a typical fetch happens like this:
9
 
 
10
 
* a user runs a command like ``bzr branch`` or ``bzr pull``
11
 
 
12
 
* ``Repository.fetch`` is called (by a higher-level method such as
13
 
  ``ControlDir.sprout``, ``Branch.fetch``, etc).
14
 
 
15
 
* An ``InterRepository`` object is created.  The exact implementation of
16
 
  ``InterRepository`` chosen depends on the format/capabilities of the
17
 
  source and target repos.
18
 
 
19
 
* The source and target repositories are compared to determine which data
20
 
  needs to be transferred.
21
 
 
22
 
* The repository data is copied.  Often this is done by creating a
23
 
  ``StreamSource`` and ``StreamSink`` from the source and target
24
 
  repositories and feeding the stream from the source into the sink, but
25
 
  some ``InterRepository`` implementations do differently.
26
 
 
27
 
 
28
 
How objects to be transferred are determined
29
 
============================================
30
 
 
31
 
See ``InterRepository._walk_to_common_revisions``.  The basic idea is to
32
 
do a breadth-first search in the source repository's revision graph
33
 
(starting from the head or heads the caller asked for), and look in the
34
 
target repository to see if those revisions are already present.
35
 
Eventually this will find the common ancestors in both graphs, and thus
36
 
the set of revisions to be copied has been identified.
37
 
 
38
 
All inventories for the copied revisions need to be present (and all
39
 
parent inventories at the stacking boundary too, to support stacking).
40
 
 
41
 
All texts versions introduced by those inventories need to be transferred
42
 
(but see also stacking constraints).
43
 
 
44
 
Fetch specs
45
 
===========
46
 
 
47
 
The most ``fetch`` methods accept a ``fetch_spec`` parameter.  This is how
48
 
the caller controls what is fetched: e.g. all revisions for a given head
49
 
(that aren't already present in the target), the full ancestry for one or
50
 
more heads, or even the full contents of the source repository.
51
 
 
52
 
The ``fetch_spec`` parameter is an object that implements the interface
53
 
defined by ``AbstractSearchResult`` in ``bzrlib.graph``.  It describes
54
 
which keys should be fetched.  Current implementations are
55
 
``SearchResult``, ``PendingAncestryResult``, ``EmptySearchResult``, and
56
 
``EverythingResult``.  Some have options controlling if missing revisions
57
 
cause errors or not, etc.
58
 
 
59
 
There are also some “search” objects, which can be used to conveniently
60
 
construct a search result for common cases: ``EverythingNotInOther`` and
61
 
``NotInOtherForRevs``.  They provide an ``execute`` method that performs
62
 
the search and returns a search result.
63
 
 
64
 
Also, ``Graph._make_breadth_first_searcher`` returns an object with a
65
 
``get_result`` method that returns a search result.
66
 
 
67
 
 
68
 
Streams
69
 
=======
70
 
 
71
 
A **stream** is an iterable of (substream type, substream) pairs.
72
 
The **substream type** is a ``str`` that will be one of ``texts``,
73
 
``inventories``, ``inventory-deltas``, ``chk_bytes``, ``revisions`` or
74
 
``signatures``.  A **substream** is a record stream.  The format of those
75
 
records depends on the repository format being streamed, except for
76
 
``inventory-deltas`` records which are format-independent.
77
 
 
78
 
A stream source can be constructed with ``repo._get_source(to_format)``,
79
 
and it provides a ``get_stream(search)`` method (among others).  A stream
80
 
sink can be constructed with ``repo._get_sink()``, and provides an
81
 
``insert_stream(stream, src_format, resume_tokens)`` method (among
82
 
others).
83
 
 
84
 
 
85
 
Stacking constraints
86
 
====================
87
 
 
88
 
**In short the rule is:** "repositories must hold revisions' parent
89
 
inventories and their new texts (or else all texts for those revisions)."
90
 
 
91
 
This is sometimes called "the stacking invariant."
92
 
 
93
 
Why that rule?
94
 
--------------
95
 
 
96
 
A stacked repository needs to be capable of generating a complete stream
97
 
for the revisions it does hold without access to its fallback
98
 
repositories [#]_.  "Complete" here means that the stream for a revision (or
99
 
set of revisions) can be inserted into a repository that already contains
100
 
the parent(s) of that revision, and that repository will have a fully
101
 
usable copy of that revision: a working tree can be built for that
102
 
revision, etc.
103
 
 
104
 
Assuming for a moment the stream has the necessary inventory, signature
105
 
and CHK records to have a usable revision, what texts are required to have
106
 
a usable revision?  The simple way to satisfy the requirement is to have
107
 
*every* text for every revision at the stacking boundary.  Thus the
108
 
revisions at the stacking boundary and all their descendants have their
109
 
texts present and so can be fully reconstructed.  But this is expensive:
110
 
it implies each stacked repository much contain *O(tree)* data even for a
111
 
single revision of a 1-line change, and also implies transferring
112
 
*O(tree)* data to fetch that revision.
113
 
 
114
 
Because the goal is a usable revision *when added to a repository with the
115
 
parent revision(s)* most of those texts will be redundant.  The minimal
116
 
set that is needed is just those texts that are new in the revisions in
117
 
our repository.  However, we need enough inventory data to be able to
118
 
determine that set of texts.  So to make this possible every revision must
119
 
have its parent inventories present so that the inventory delta between
120
 
revisions can be calculated, and of course the CHK pages associated with
121
 
that delta.  In fact the entire inventory does not need to be present,
122
 
just enough of it to find the delta (assuming a repository format, like
123
 
2a, that allows only part of an inventory to be stored).  Thus the stacked
124
 
repository can contain only *O(changes)* data [#]_ and still deliver
125
 
complete streams of that data.
126
 
 
127
 
What about revisions at the stacking boundary with more than one parent?
128
 
All of the parent inventories must be present, as a client may ask for a
129
 
stream up to any parent, not just the left-hand parent.  If any parent is
130
 
absent then all texts must be present instead.  Otherwise there will be
131
 
the strange situation where some fetches of a revision will succeed and
132
 
others fail depending the precise details of the fetch.
133
 
 
134
 
Implications for fetching
135
 
-------------------------
136
 
 
137
 
Fetches must retrieve the records necessary to satisfy that rule.  The
138
 
stream source will attempt to send the necessary records, and the stream
139
 
sink will check for any missing records and make a second fetch for just
140
 
those missing records before committing the write group.
141
 
 
142
 
Our repository implementations check this constraint is satisfied before
143
 
committing a write group, to prevent a bad stream from creating a corrupt
144
 
repository.  So a fetch from a bad source (e.g. a damaged repository, or a
145
 
buggy foreign-format import) may trigger ``BzrCheckError`` during
146
 
``commit_write_group``.
147
 
 
148
 
To fetch from a stacked repository via a smart server, the smart client:
149
 
 
150
 
* first fetches a stream of as many of the requested revisions as possible
151
 
  from the initial repository,
152
 
* then while there are still missing revisions and untried fallback
153
 
  repositories fetches the outstanding revisions from the next fallback
154
 
  until either all revisions have been found (success) or the list of
155
 
  fallbacks has been exhausted (failure).
156
 
 
157
 
 
158
 
.. [#] This is not just a theoretical concern.  The smart server always
159
 
   opens repositories without opening fallbacks, as it cannot assume it
160
 
   can access the fallbacks that the client can.
161
 
 
162
 
.. [#] Actually *O(changes)* isn't quite right in practice.  In the
163
 
   current implementation the fulltext of a changed file must be
164
 
   transferred, not just a delta, so a 1-line change to a 10MB file will
165
 
   still transfer 10MB of text data.  This is because current formats
166
 
   require records' compression parents to be present in the same
167
 
   repository.
168
 
 
169
 
 
170
 
..
171
 
   vim: ft=rst tw=74 ai