Merge branch 'bw/protocol-v1'
[git.git] / Documentation / technical / partial-clone.txt
blob0bed2472c815dc8c0e5886d0fb6f301c5550a390
1 Partial Clone Design Notes
2 ==========================
4 The "Partial Clone" feature is a performance optimization for Git that
5 allows Git to function without having a complete copy of the repository.
6 The goal of this work is to allow Git better handle extremely large
7 repositories.
9 During clone and fetch operations, Git downloads the complete contents
10 and history of the repository.  This includes all commits, trees, and
11 blobs for the complete life of the repository.  For extremely large
12 repositories, clones can take hours (or days) and consume 100+GiB of disk
13 space.
15 Often in these repositories there are many blobs and trees that the user
16 does not need such as:
18   1. files outside of the user's work area in the tree.  For example, in
19      a repository with 500K directories and 3.5M files in every commit,
20      we can avoid downloading many objects if the user only needs a
21      narrow "cone" of the source tree.
23   2. large binary assets.  For example, in a repository where large build
24      artifacts are checked into the tree, we can avoid downloading all
25      previous versions of these non-mergeable binary assets and only
26      download versions that are actually referenced.
28 Partial clone allows us to avoid downloading such unneeded objects *in
29 advance* during clone and fetch operations and thereby reduce download
30 times and disk usage.  Missing objects can later be "demand fetched"
31 if/when needed.
33 Use of partial clone requires that the user be online and the origin
34 remote be available for on-demand fetching of missing objects.  This may
35 or may not be problematic for the user.  For example, if the user can
36 stay within the pre-selected subset of the source tree, they may not
37 encounter any missing objects.  Alternatively, the user could try to
38 pre-fetch various objects if they know that they are going offline.
41 Non-Goals
42 ---------
44 Partial clone is a mechanism to limit the number of blobs and trees downloaded
45 *within* a given range of commits -- and is therefore independent of and not
46 intended to conflict with existing DAG-level mechanisms to limit the set of
47 requested commits (i.e. shallow clone, single branch, or fetch '<refspec>').
50 Design Overview
51 ---------------
53 Partial clone logically consists of the following parts:
55 - A mechanism for the client to describe unneeded or unwanted objects to
56   the server.
58 - A mechanism for the server to omit such unwanted objects from packfiles
59   sent to the client.
61 - A mechanism for the client to gracefully handle missing objects (that
62   were previously omitted by the server).
64 - A mechanism for the client to backfill missing objects as needed.
67 Design Details
68 --------------
70 - A new pack-protocol capability "filter" is added to the fetch-pack and
71   upload-pack negotiation.
73   This uses the existing capability discovery mechanism.
74   See "filter" in Documentation/technical/pack-protocol.txt.
76 - Clients pass a "filter-spec" to clone and fetch which is passed to the
77   server to request filtering during packfile construction.
79   There are various filters available to accommodate different situations.
80   See "--filter=<filter-spec>" in Documentation/rev-list-options.txt.
82 - On the server pack-objects applies the requested filter-spec as it
83   creates "filtered" packfiles for the client.
85   These filtered packfiles are *incomplete* in the traditional sense because
86   they may contain objects that reference objects not contained in the
87   packfile and that the client doesn't already have.  For example, the
88   filtered packfile may contain trees or tags that reference missing blobs
89   or commits that reference missing trees.
91 - On the client these incomplete packfiles are marked as "promisor packfiles"
92   and treated differently by various commands.
94 - On the client a repository extension is added to the local config to
95   prevent older versions of git from failing mid-operation because of
96   missing objects that they cannot handle.
97   See "extensions.partialClone" in Documentation/technical/repository-version.txt"
100 Handling Missing Objects
101 ------------------------
103 - An object may be missing due to a partial clone or fetch, or missing due
104   to repository corruption.  To differentiate these cases, the local
105   repository specially indicates such filtered packfiles obtained from the
106   promisor remote as "promisor packfiles".
108   These promisor packfiles consist of a "<name>.promisor" file with
109   arbitrary contents (like the "<name>.keep" files), in addition to
110   their "<name>.pack" and "<name>.idx" files.
112 - The local repository considers a "promisor object" to be an object that
113   it knows (to the best of its ability) that the promisor remote has promised
114   that it has, either because the local repository has that object in one of
115   its promisor packfiles, or because another promisor object refers to it.
117   When Git encounters a missing object, Git can see if it a promisor object
118   and handle it appropriately.  If not, Git can report a corruption.
120   This means that there is no need for the client to explicitly maintain an
121   expensive-to-modify list of missing objects.[a]
123 - Since almost all Git code currently expects any referenced object to be
124   present locally and because we do not want to force every command to do
125   a dry-run first, a fallback mechanism is added to allow Git to attempt
126   to dynamically fetch missing objects from the promisor remote.
128   When the normal object lookup fails to find an object, Git invokes
129   fetch-object to try to get the object from the server and then retry
130   the object lookup.  This allows objects to be "faulted in" without
131   complicated prediction algorithms.
133   For efficiency reasons, no check as to whether the missing object is
134   actually a promisor object is performed.
136   Dynamic object fetching tends to be slow as objects are fetched one at
137   a time.
139 - `checkout` (and any other command using `unpack-trees`) has been taught
140   to bulk pre-fetch all required missing blobs in a single batch.
142 - `rev-list` has been taught to print missing objects.
144   This can be used by other commands to bulk prefetch objects.
145   For example, a "git log -p A..B" may internally want to first do
146   something like "git rev-list --objects --quiet --missing=print A..B"
147   and prefetch those objects in bulk.
149 - `fsck` has been updated to be fully aware of promisor objects.
151 - `repack` in GC has been updated to not touch promisor packfiles at all,
152   and to only repack other objects.
154 - The global variable "fetch_if_missing" is used to control whether an
155   object lookup will attempt to dynamically fetch a missing object or
156   report an error.
158   We are not happy with this global variable and would like to remove it,
159   but that requires significant refactoring of the object code to pass an
160   additional flag.  We hope that concurrent efforts to add an ODB API can
161   encompass this.
164 Fetching Missing Objects
165 ------------------------
167 - Fetching of objects is done using the existing transport mechanism using
168   transport_fetch_refs(), setting a new transport option
169   TRANS_OPT_NO_DEPENDENTS to indicate that only the objects themselves are
170   desired, not any object that they refer to.
172   Because some transports invoke fetch_pack() in the same process, fetch_pack()
173   has been updated to not use any object flags when the corresponding argument
174   (no_dependents) is set.
176 - The local repository sends a request with the hashes of all requested
177   objects as "want" lines, and does not perform any packfile negotiation.
178   It then receives a packfile.
180 - Because we are reusing the existing fetch-pack mechanism, fetching
181   currently fetches all objects referred to by the requested objects, even
182   though they are not necessary.
185 Current Limitations
186 -------------------
188 - The remote used for a partial clone (or the first partial fetch
189   following a regular clone) is marked as the "promisor remote".
191   We are currently limited to a single promisor remote and only that
192   remote may be used for subsequent partial fetches.
194   We accept this limitation because we believe initial users of this
195   feature will be using it on repositories with a strong single central
196   server.
198 - Dynamic object fetching will only ask the promisor remote for missing
199   objects.  We assume that the promisor remote has a complete view of the
200   repository and can satisfy all such requests.
202 - Repack essentially treats promisor and non-promisor packfiles as 2
203   distinct partitions and does not mix them.  Repack currently only works
204   on non-promisor packfiles and loose objects.
206 - Dynamic object fetching invokes fetch-pack once *for each item*
207   because most algorithms stumble upon a missing object and need to have
208   it resolved before continuing their work.  This may incur significant
209   overhead -- and multiple authentication requests -- if many objects are
210   needed.
212 - Dynamic object fetching currently uses the existing pack protocol V0
213   which means that each object is requested via fetch-pack.  The server
214   will send a full set of info/refs when the connection is established.
215   If there are large number of refs, this may incur significant overhead.
218 Future Work
219 -----------
221 - Allow more than one promisor remote and define a strategy for fetching
222   missing objects from specific promisor remotes or of iterating over the
223   set of promisor remotes until a missing object is found.
225   A user might want to have multiple geographically-close cache servers
226   for fetching missing blobs while continuing to do filtered `git-fetch`
227   commands from the central server, for example.
229   Or the user might want to work in a triangular work flow with multiple
230   promisor remotes that each have an incomplete view of the repository.
232 - Allow repack to work on promisor packfiles (while keeping them distinct
233   from non-promisor packfiles).
235 - Allow non-pathname-based filters to make use of packfile bitmaps (when
236   present).  This was just an omission during the initial implementation.
238 - Investigate use of a long-running process to dynamically fetch a series
239   of objects, such as proposed in [5,6] to reduce process startup and
240   overhead costs.
242   It would be nice if pack protocol V2 could allow that long-running
243   process to make a series of requests over a single long-running
244   connection.
246 - Investigate pack protocol V2 to avoid the info/refs broadcast on
247   each connection with the server to dynamically fetch missing objects.
249 - Investigate the need to handle loose promisor objects.
251   Objects in promisor packfiles are allowed to reference missing objects
252   that can be dynamically fetched from the server.  An assumption was
253   made that loose objects are only created locally and therefore should
254   not reference a missing object.  We may need to revisit that assumption
255   if, for example, we dynamically fetch a missing tree and store it as a
256   loose object rather than a single object packfile.
258   This does not necessarily mean we need to mark loose objects as promisor;
259   it may be sufficient to relax the object lookup or is-promisor functions.
262 Non-Tasks
263 ---------
265 - Every time the subject of "demand loading blobs" comes up it seems
266   that someone suggests that the server be allowed to "guess" and send
267   additional objects that may be related to the requested objects.
269   No work has gone into actually doing that; we're just documenting that
270   it is a common suggestion.  We're not sure how it would work and have
271   no plans to work on it.
273   It is valid for the server to send more objects than requested (even
274   for a dynamic object fetch), but we are not building on that.
277 Footnotes
278 ---------
280 [a] expensive-to-modify list of missing objects:  Earlier in the design of
281     partial clone we discussed the need for a single list of missing objects.
282     This would essentially be a sorted linear list of OIDs that the were
283     omitted by the server during a clone or subsequent fetches.
285     This file would need to be loaded into memory on every object lookup.
286     It would need to be read, updated, and re-written (like the .git/index)
287     on every explicit "git fetch" command *and* on any dynamic object fetch.
289     The cost to read, update, and write this file could add significant
290     overhead to every command if there are many missing objects.  For example,
291     if there are 100M missing blobs, this file would be at least 2GiB on disk.
293     With the "promisor" concept, we *infer* a missing object based upon the
294     type of packfile that references it.
297 Related Links
298 -------------
299 [0] https://bugs.chromium.org/p/git/issues/detail?id=2
300     Chromium work item for: Partial Clone
302 [1] https://public-inbox.org/git/20170113155253.1644-1-benpeart@microsoft.com/
303     Subject: [RFC] Add support for downloading blobs on demand
304     Date: Fri, 13 Jan 2017 10:52:53 -0500
306 [2] https://public-inbox.org/git/cover.1506714999.git.jonathantanmy@google.com/
307     Subject: [PATCH 00/18] Partial clone (from clone to lazy fetch in 18 patches)
308     Date: Fri, 29 Sep 2017 13:11:36 -0700
310 [3] https://public-inbox.org/git/20170426221346.25337-1-jonathantanmy@google.com/
311     Subject: Proposal for missing blob support in Git repos
312     Date: Wed, 26 Apr 2017 15:13:46 -0700
314 [4] https://public-inbox.org/git/1488999039-37631-1-git-send-email-git@jeffhostetler.com/
315     Subject: [PATCH 00/10] RFC Partial Clone and Fetch
316     Date: Wed,  8 Mar 2017 18:50:29 +0000
318 [5] https://public-inbox.org/git/20170505152802.6724-1-benpeart@microsoft.com/
319     Subject: [PATCH v7 00/10] refactor the filter process code into a reusable module
320     Date: Fri,  5 May 2017 11:27:52 -0400
322 [6] https://public-inbox.org/git/20170714132651.170708-1-benpeart@microsoft.com/
323     Subject: [RFC/PATCH v2 0/1] Add support for downloading blobs on demand
324     Date: Fri, 14 Jul 2017 09:26:50 -0400