~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/knitpack.txt

  • Committer: Martin Pool
  • Date: 2005-05-16 02:19:13 UTC
  • Revision ID: mbp@sourcefrog.net-20050516021913-3a933f871079e3fe
- patch from ddaa to create api/ directory 
  before building API docs

Show diffs side-by-side

added added

removed removed

Lines of Context:
1
 
==========================
2
 
KnitPack repository format
3
 
==========================
4
 
 
5
 
.. contents::
6
 
 
7
 
Using KnitPack repositories
8
 
===========================
9
 
 
10
 
Motivation
11
 
----------
12
 
 
13
 
KnitPack is a new repository format for Bazaar, which is expected to be
14
 
faster both locally and over the network, is usually more compact, and
15
 
will work with more FTP servers.
16
 
 
17
 
Our benchmarking results to date have been very promising. We fully expect
18
 
to make a pack-based format the default in the near future.  We would
19
 
therefore like as many people as possible using KnitPack repositories,
20
 
benchmarking the results and telling us where improvements are still needed.
21
 
 
22
 
Preparation
23
 
-----------
24
 
 
25
 
A small percentage of existing repositories may have some inconsistent
26
 
data within them. It's is a good idea to check the integrity of your
27
 
repositories before migrating them to knitpack format. To do this, run::
28
 
 
29
 
  bzr check
30
 
 
31
 
If that reports a problem, run this command::
32
 
 
33
 
  bzr reconcile
34
 
 
35
 
Note that this can take many hours for repositories with deep history
36
 
so be sure to set aside some time for this if it is required.
37
 
 
38
 
Creating a new knitpack branch
39
 
------------------------------
40
 
 
41
 
If you're starting a project from scratch, it's easy to make it a
42
 
``knitpack`` one. Here's how::
43
 
 
44
 
  cd my-stuff
45
 
  bzr init --knitpack-experimental
46
 
  bzr add
47
 
  bzr commit -m "initial import"
48
 
 
49
 
In other words, use the normal sequence of commands but add the
50
 
``--knitpack-experimental`` option to the ``init`` command.
51
 
 
52
 
Creating a new knitpack repository
53
 
----------------------------------
54
 
 
55
 
If you're starting a project from scratch and wish to use a shared repository
56
 
for branches, you can make it a ``knitpack`` repository like this::
57
 
 
58
 
  cd my-repo
59
 
  bzr init-repo --knitpack-experimental .
60
 
  cd my-stuff
61
 
  bzr init
62
 
  bzr add
63
 
  bzr commit -m "initial import"
64
 
 
65
 
In other words, use the normal sequence of commands but add the
66
 
``--knitpack-experimental`` option to the ``init-repo`` command.
67
 
 
68
 
Upgrading an existing branch or repository to knitpack format
69
 
-------------------------------------------------------------
70
 
 
71
 
If you have an existing branch and wish to migrate it to
72
 
a ``knitpack`` format, use the ``upgrade`` command like this::
73
 
 
74
 
  bzr upgrade --knitpack-experimental path-to-my-branch
75
 
 
76
 
If you are using a shared repository, run::
77
 
 
78
 
  bzr upgrade --knitpack-experimental ROOT_OF_REPOSITORY
79
 
 
80
 
to upgrade the history database. Note that this will not
81
 
alter the branch format of each branch, so
82
 
you will need to also upgrade each branch individually
83
 
if you are upgrading from an old (e.g. < 0.17) bzr.
84
 
More modern bzr's will already have the branch format at
85
 
our latest branch format which adds support for tags.
86
 
 
87
 
Starting a new knitpack branch from one in an older format
88
 
----------------------------------------------------------
89
 
 
90
 
This can be done in one of several ways:
91
 
 
92
 
1. Create a new branch and pull into it
93
 
2. Create a standalone branch and upgrade its format
94
 
3. Create a knitpack shared repository and branch into it
95
 
 
96
 
Here are the commands for using the ``pull`` approach::
97
 
 
98
 
    bzr init --knitpack-experimental my-new-branch
99
 
    cd my-new-branch
100
 
    bzr pull my-source-branch
101
 
 
102
 
Here are the commands for using the ``upgrade`` approach::
103
 
 
104
 
    bzr branch my-source-branch my-new-branch
105
 
    cd my-new-branch
106
 
    bzr upgrade --knitpack-experimental .
107
 
 
108
 
Here are the commands for the shared repository approach::
109
 
 
110
 
  cd my-repo
111
 
  bzr init-repo --knitpack-experimental .
112
 
  bzr branch my-source-branch my-new-branch
113
 
  cd my-new-branch
114
 
 
115
 
As a reminder, any of the above approaches can fail if the source branch
116
 
has inconsistent data within it and hasn't been reconciled yet. Please
117
 
be sure to check that before reporting problems.
118
 
 
119
 
Testing packs for bzr-svn users
120
 
-------------------------------
121
 
 
122
 
If you are using ``bzr-svn`` or are testing the prototype subtree support,
123
 
you can still use and assist in testing KnitPacks. The commands to use
124
 
are identical to the ones given above except that the name of the format
125
 
to use is ``knitpack-subtree-experimental``.
126
 
 
127
 
WARNING: Note that the subtree formats, ``distate-subtree`` and
128
 
``knitpack-subtree-experimental``, are **not** production strength yet and
129
 
may cause unexpected problems. They are required for the bzr-svn
130
 
plug-in but should otherwise ony be used by people happy to live on the
131
 
bleeding edge. If you are using bzr-svn, you're on the bleeding edge anyway.
132
 
:-)
133
 
 
134
 
Reporting problems
135
 
------------------
136
 
 
137
 
If you need any help or encounter any problems, please contact the developers
138
 
via the usual ways, i.e. chat to us on IRC or send a message to our mailing
139
 
list. See http://bazaar-vcs.org/BzrSupport for contact details.
140
 
 
141
 
 
142
 
Technical notes
143
 
===============
144
 
 
145
 
Bazaar 0.92 adds a new format (experimental at first) implemented in
146
 
``bzrlib.repofmt.pack_repo.py``.  
147
 
 
148
 
This format provides a knit-like interface which is quite compatible
149
 
with knit format repositories: you can get a VersionedFile for a
150
 
particular file-id, or for revisions, or for the inventory, even though
151
 
these do not correspond to single files on disk.
152
 
 
153
 
The on-disk format is that the repository directory contains these
154
 
files and subdirectories:
155
 
 
156
 
==================== =============================================
157
 
packs/               completed readonly packs
158
 
indices/             indices for completed packs
159
 
upload/              temporary files for packs currently being 
160
 
                     written
161
 
obsolete_packs/      packs that have been repacked and are no 
162
 
                     longer normally needed
163
 
pack-names           index of all live packs
164
 
lock/                lockdir
165
 
==================== =============================================
166
 
 
167
 
Note that for consistency we always write "indices" not "indexes".
168
 
 
169
 
This is implemented on top of pack files, which are written once from
170
 
start to end, then left alone.  A pack consists of a body file, plus
171
 
several index files.  There are four index files for each pack, which
172
 
have the same basename and an extension indicating the purpose of the
173
 
index:
174
 
 
175
 
======== ========== ======================== ==========================
176
 
extn     Purpose    Key                      References
177
 
======== ========== ======================== ==========================
178
 
``.tix`` File texts ``file_id, revision_id`` per-file parents,
179
 
                                             compression basis
180
 
                                             per-file parents
181
 
``.six`` Signatures ``revision_id,``         -
182
 
``.rix`` Revisions  ``revision_id,``         revision parents
183
 
``.iix`` Inventory  ``revision_id,``         revision parents,
184
 
                                             compression base
185
 
======== ========== ======================== ==========================
186
 
 
187
 
Indices are accessed through the ``bzrlib.index.GraphIndex`` class.  
188
 
Indices are stored as sorted files on disk.  Each line is one record,
189
 
and contains:
190
 
 
191
 
 * key fields
192
 
 * a value string - for all these indices, this is an ascii decimal pair
193
 
   of "offset length" giving the position of the refenced data within 
194
 
   the pack body file
195
 
 * a list of zero or more reference lists
196
 
 
197
 
The reference lists let a graph be stored within the index.  Each
198
 
reference list entry points to another entry in the same index.  The
199
 
references are represented as a byte offset for the target within the
200
 
index file.
201
 
 
202
 
When a compression base is given, it indicates that the body of the text
203
 
or inventory is a forward delta from the referenced revision.  The
204
 
compression base list must have length 0 or 1.
205
 
 
206
 
Like packs, indexes are written only once and then unmodified.  A
207
 
GraphIndex builder is a mutable in-memory graph that can be sorted,
208
 
cross-referenced and written out when the write group completes.
209
 
 
210
 
There can also be index entries with a value of 'a' for absent.  These
211
 
records exist just to be pointed to in a graph.  This is used, for
212
 
example, to give the revision-parent pointer when the parent revision is
213
 
in a previous pack.
214
 
 
215
 
The data content for each record is a knit data chunk.  The knits are
216
 
always unannotated - the annotations must be generated when needed.
217
 
(We'd like to cache/memoize the annotations.)  The data hunks can be
218
 
moved between packs without needing to recompress them.
219
 
 
220
 
It is not possible to regenerate an index from the body file, because it
221
 
contains information stored in the knit index that's not in the body.
222
 
(In particular, the per-file graph is only stored in the index.) 
223
 
We would like to change this in a future format.
224
 
 
225
 
The lock is a regular LockDir lock.  The lock is only held for a much
226
 
reduced scope, while updating the pack-names file.  The bulk of the
227
 
insertion can be done without the repository locked.  This is an
228
 
implementation detail; the repository user should still call
229
 
``repository.lock_write`` at the regular time but be aware this does not
230
 
correspond to a physical mutex. 
231
 
 
232
 
Read locks control caching but do not affect writers.
233
 
 
234
 
The newly-added repository write group concept is very important to
235
 
KnitPack repositories.  When ``start_write_group`` is called, a new
236
 
temporary pack is created and all modifications to the repository will 
237
 
go into it until either ``commit_write_group`` or ``abort_write_group``
238
 
is called, at which time it is either finished and moved into place or
239
 
discarded respectively.  Write groups cannot be nested, only one can be
240
 
underway at a time on a Repository instance and they must occur within a
241
 
write lock.
242
 
 
243
 
Normally the data for each revision will be entirely within a single
244
 
pack but this is not required.
245
 
 
246
 
When a pack is finished, it gets a final name based on the md5 of all
247
 
the data written into the pack body file.
248
 
 
249
 
The ``pack-names`` file gives the list of all finished non-obsolete
250
 
packs.  (This should always be the same as the list of files in the
251
 
``packs/`` directory, but the file is needed for readonly http clients
252
 
that can't easily list directories, and it includes other information.)
253
 
The constraint on the ``pack-names`` list is that every file mentioned
254
 
must exist in the ``packs/`` directory.  
255
 
 
256
 
In rare cases, when a writer is interrupted, about-to-be-removed packs
257
 
may still be present in the directory but removed from the list.
258
 
 
259
 
As well as the list of names, the pack-names file also contains the
260
 
size, in bytes, of each of the four indices.  This is used to bootstrap
261
 
bisection search within the indices.
262
 
 
263
 
In normal use, one pack will be created for each commit to a repository.
264
 
This would build up to an inefficient number of files over time, so a
265
 
``repack`` operation is available to recombine them, by producing larger
266
 
files containing data on multiple revisions.  This can be done manually
267
 
by running ``bzr pack``, and it also may happen automatically when a
268
 
write group is committed.
269
 
 
270
 
The repacking strategy used at the moment tries to balance not doing too
271
 
much work during commit with not having too many small files left in the
272
 
repository.  The algorithm is roughly this: the total number of
273
 
revisions in the repository is expressed as a decimal number, e.g.
274
 
"532".  Then we'll repack until we have five packs containing a hundred
275
 
revisions each, three packs containing ten revisions each, and two packs
276
 
with single revisions.  This means that each revision will normally
277
 
initially be created in a single-revision pack, then moved to a
278
 
ten-revision pack, then to a 100-pack, and so on.
279
 
 
280
 
As with other repositories, in normal use data is only inserted.
281
 
However, in some circumstances we may want to garbage-collect or prune
282
 
existing data, or reconcile indexes.
283
 
 
284
 
  vim: tw=72 ft=rest expandtab