← Back to branch summary

~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/planned-change-integration.txt

  • Committer: Jonathan Riddell
  • Date: 2011-05-16 11:27:37 UTC
  • mto: This revision was merged to the branch mainline in revision 5869.
  • Revision ID: jriddell@canonical.com-20110516112737-gep642p24rtzp3jt
user guide licence

Show diffs side-by-side

added added

removed removed

Lines of Context:
doc/developers/planned-change-integration.txt
 
1
Integration of performance changes
 
2
==================================
 
3
 
 
4
To deliver a version of bzr with all our planned changes will require
 
5
significant integration work. Minimally each change needs to integrate with
 
6
some aspect of the bzr version it's merged into, but in reality many of these
 
7
changes while conceptually independent will in fact have to integrate with the
 
8
other changes we have planned before can have a completed system.
 
9
 
 
10
Additionally changes that alter disk formats are inherently more tricky to
 
11
integrate because we will often need to alter apis throughout the code base to
 
12
expose the increased or reduced model of the preferred disk format.
 
13
 
 
14
You can generate a graph ``performance.png`` in the source tree from
 
15
Graphviz "dot" file ``performance.dot``.  This graphs out the dependencies
 
16
to let us make accurate assessments of the changes needed in terms of code
 
17
and API, hopefully minimising the number of different integration steps we
 
18
have to take, while giving us a broad surface area for development. It's
 
19
based on a summary in the next section of this document of the planned
 
20
changes with their expected collaborators and dependencies. Where a
 
21
command is listed, the expectation is that all uses of that command -
 
22
local, remote, dumb transport and smart transport are being addressed
 
23
together.
 
24
 
 
25
 
 
26
The following provides a summary of the planned changes and their expected
 
27
collaborators within the code base, along with an estimate of whether they are
 
28
likely to require changes to their collaborators to be considered 'finished'.
 
29
 
 
30
 * Use case target APIs: Each of these is likely to alter the Tree interface.
 
31
   Some few of them focus on Branch and will alter Branch and Repository
 
32
   accordingly. As they are targeted APIs we can deep changes all the way down
 
33
   the stack to the underlying representation to make it all fit well.
 
34
   Presenting a top level API for many things will be possible now as long as
 
35
   the exposed data is audited for things we plan to make optional, or remove:
 
36
   Such things cannot be present in the final API. Writing these APIs now will
 
37
   provide strong feedback to the design process for those things which are
 
38
   considered optional or removable, so these APIs should be implemented
 
39
   before removing or making optional existing data.
 
40
 
 
41
 * Deprecating versioned files as a supported API: This collaborates with the
 
42
   Repository API but can probably be done by adding a replacement API for
 
43
   places where the versioned-file api is used. We may well want to keep a
 
44
   concept of 'a file over time' or 'inventories over time', so the existing
 
45
   repository model of exposing versioned file objects may be ok; what we need
 
46
   to ensure we do is remove the places in the code base where you create or
 
47
   remove or otherwise describe manipulation of the storage by knit rather than
 
48
   talking at the level of file ids and revision ids. The current
 
49
   versioned-file API would be a burden for implementors of a blob based
 
50
   repository format, so the removal of callers, and deprecation of those parts
 
51
   of the API should be done before creating a blob based repository format.
 
52
 
 
53
 * Creating a revision validator: Revision validators may depend on storage
 
54
   layer changes to inventories so while we can create a revision validator
 
55
   API, we cannot create the final one until we have the inventory structural
 
56
   changes completed.
 
57
 
 
58
 * Annotation caching API: This API is a prerequisite for new repository
 
59
   formats. If written after they are introduced we may find that the
 
60
   repository is lacking in functionality, so the API should be implemented
 
61
   first.
 
62
 
 
63
 * _iter_changes based merging: If the current _iter_changes_ API is
 
64
   insufficient, we should know about that before designing the disk format for
 
65
   generating fast _iter_changes_ output.
 
66
 
 
67
 * Network-efficient revision graph API: This influences what questions we will
 
68
   want to ask a local repository very quickly; as such it's a driver for the
 
69
   new repository format and should be in place first if possible. It's probably
 
70
   not sufficiently different to local operations to make this a hard ordering
 
71
   though.
 
72
 
 
73
 * Working tree disk ordering: Knowing the expected order for disk operations
 
74
   may influence the needed use case specific APIs, so having a solid
 
75
   understanding of what is optimal - and why - and whether it is pessimal on
 
76
   non-Linux-kernel platforms is rather important.
 
77
 
 
78
 * Be able to version files greater than memory in size: This cannot be
 
79
   achieved until all parts of the library which deal with user files are able
 
80
   to provide access to files larger than memory. Many strategies can be
 
81
   considered for this - such as temporary files on disk, memory mapping etc.
 
82
   We should have enough of a design laid out that developers of repository and
 
83
   tree logic are able to start exposing apis, and considering requirements
 
84
   related to them, to let this happen.
 
85
 
 
86
 * Per-file graph access API: This should be implemented on top of or as part
 
87
   of the newer API for accessing data about a file over time. It can be a
 
88
   separate step easily; but as it's in the same area of the library should not
 
89
   be done in parallel.
 
90
 
 
91
 * Repository stacking API: The key dependency/change required for this is that
 
92
   repositories must individually be happy with having partial data - e.g. many
 
93
   ghosts. However the way the API needs to be used should be driven from the
 
94
   command layer in, because it's unclear at the moment what will work best.
 
95
 
 
96
 * Revision stream API: This API will become clear as we streamline commands.
 
97
   On the data insertion side commit will want to generate new data. The
 
98
   commands pull, bundle, merge, push, possibly uncommit will want to copy
 
99
   existing data in a streaming fashion.
 
100
 
 
101
 * New container format: It's hard to tell what the right way to structure the
 
102
   layering is. Probably having smooth layering down to the point that code
 
103
   wants to operate on the containers directly will make this more clear. As
 
104
   bundles will become a read-only branch & repository, the smart server wants
 
105
   streaming-containers, and we are planning a pack based repository, it
 
106
   appears that we will have three different direct container users. However,
 
107
   the bundle user may in fact be fake - because it really is a repository.
 
108
 
 
109
 * Separation of annotation cache: Making the disk changes to achieve this
 
110
   depends on the new API being created. Bundles probably want to be
 
111
   annotation-free, so they are a form of implementation of this and will need
 
112
   the on-demand annotation facility.
 
113
 
 
114
 * Repository operation disk ordering: Dramatically changing the ordering of
 
115
   disk operations requires a new repository format. We have most of the
 
116
   analysis done to be able to specify the desired ordering, so it should be
 
117
   possible to write such a format now based on the container logic, but
 
118
   without any of the inventory representation or delta representation changes.
 
119
   This would for instance involve pack combining ordering the existing diffs
 
120
   in reverse order.
 
121
 
 
122
 * Inventory representation: This has a dependency on what data is
 
123
   dropped from the core and what is kept. Without those changes being known we
 
124
   can implement a new representation, but it won't be a final one. One of the
 
125
   services the new inventory representation is expected to deliver is one of
 
126
   validators for subtrees -- a means of comparing just subtrees of two
 
127
   inventories without comparing all the data within that subtree.
 
128
 
 
129
 * Delta storage optimisation: This has a strict dependency on a new repository
 
130
   format. Optimisation takes many forms - we probably cannot complete the
 
131
   desired optimisations under knits though we could use xdelta within a
 
132
   knit-variation.
 
133
 
 
134
 * Greatest distance from origin cache: The potential users of this exist
 
135
   today, it is likely able to be implemented immediately, but we are not sure
 
136
   that its needed anymore, so it is being shelved.
 
137
 
 
138
 * Removing derivable data: It's very hard to do this while the derived data is
 
139
   exposed in API's but not used by commands. Implemented the targeted API's
 
140
   for our core use cases should allow use to remove accidental use of derived
 
141
   data, making only explicit uses of it visible, and isolating the impact of
 
142
   removing it : allowing us to experiment sensibly. This covers both dropping
 
143
   the per-file merge graph and the hash-based-names proposals.