Merge branch 'mt/checkout-index-corner-cases'
[git] / Documentation / technical / partial-clone.txt
1 Partial Clone Design Notes
2 ==========================
3
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.
8
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.
14
15 Often in these repositories there are many blobs and trees that the user
16 does not need such as:
17
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.
22
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.
27
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.
32
33 A remote that can later provide the missing objects is called a
34 promisor remote, as it promises to send the objects when
35 requested. Initially Git supported only one promisor remote, the origin
36 remote from which the user cloned and that was configured in the
37 "extensions.partialClone" config option. Later support for more than
38 one promisor remote has been implemented.
39
40 Use of partial clone requires that the user be online and the origin
41 remote or other promisor remotes be available for on-demand fetching
42 of missing objects.  This may or may not be problematic for the user.
43 For example, if the user can stay within the pre-selected subset of
44 the source tree, they may not encounter any missing objects.
45 Alternatively, the user could try to pre-fetch various objects if they
46 know that they are going offline.
47
48
49 Non-Goals
50 ---------
51
52 Partial clone is a mechanism to limit the number of blobs and trees downloaded
53 *within* a given range of commits -- and is therefore independent of and not
54 intended to conflict with existing DAG-level mechanisms to limit the set of
55 requested commits (i.e. shallow clone, single branch, or fetch '<refspec>').
56
57
58 Design Overview
59 ---------------
60
61 Partial clone logically consists of the following parts:
62
63 - A mechanism for the client to describe unneeded or unwanted objects to
64   the server.
65
66 - A mechanism for the server to omit such unwanted objects from packfiles
67   sent to the client.
68
69 - A mechanism for the client to gracefully handle missing objects (that
70   were previously omitted by the server).
71
72 - A mechanism for the client to backfill missing objects as needed.
73
74
75 Design Details
76 --------------
77
78 - A new pack-protocol capability "filter" is added to the fetch-pack and
79   upload-pack negotiation.
80 +
81 This uses the existing capability discovery mechanism.
82 See "filter" in Documentation/technical/pack-protocol.txt.
83
84 - Clients pass a "filter-spec" to clone and fetch which is passed to the
85   server to request filtering during packfile construction.
86 +
87 There are various filters available to accommodate different situations.
88 See "--filter=<filter-spec>" in Documentation/rev-list-options.txt.
89
90 - On the server pack-objects applies the requested filter-spec as it
91   creates "filtered" packfiles for the client.
92 +
93 These filtered packfiles are *incomplete* in the traditional sense because
94 they may contain objects that reference objects not contained in the
95 packfile and that the client doesn't already have.  For example, the
96 filtered packfile may contain trees or tags that reference missing blobs
97 or commits that reference missing trees.
98
99 - On the client these incomplete packfiles are marked as "promisor packfiles"
100   and treated differently by various commands.
101
102 - On the client a repository extension is added to the local config to
103   prevent older versions of git from failing mid-operation because of
104   missing objects that they cannot handle.
105   See "extensions.partialClone" in Documentation/technical/repository-version.txt"
106
107
108 Handling Missing Objects
109 ------------------------
110
111 - An object may be missing due to a partial clone or fetch, or missing
112   due to repository corruption.  To differentiate these cases, the
113   local repository specially indicates such filtered packfiles
114   obtained from promisor remotes as "promisor packfiles".
115 +
116 These promisor packfiles consist of a "<name>.promisor" file with
117 arbitrary contents (like the "<name>.keep" files), in addition to
118 their "<name>.pack" and "<name>.idx" files.
119
120 - The local repository considers a "promisor object" to be an object that
121   it knows (to the best of its ability) that promisor remotes have promised
122   that they have, either because the local repository has that object in one of
123   its promisor packfiles, or because another promisor object refers to it.
124 +
125 When Git encounters a missing object, Git can see if it is a promisor object
126 and handle it appropriately.  If not, Git can report a corruption.
127 +
128 This means that there is no need for the client to explicitly maintain an
129 expensive-to-modify list of missing objects.[a]
130
131 - Since almost all Git code currently expects any referenced object to be
132   present locally and because we do not want to force every command to do
133   a dry-run first, a fallback mechanism is added to allow Git to attempt
134   to dynamically fetch missing objects from promisor remotes.
135 +
136 When the normal object lookup fails to find an object, Git invokes
137 promisor_remote_get_direct() to try to get the object from a promisor
138 remote and then retry the object lookup.  This allows objects to be
139 "faulted in" without complicated prediction algorithms.
140 +
141 For efficiency reasons, no check as to whether the missing object is
142 actually a promisor object is performed.
143 +
144 Dynamic object fetching tends to be slow as objects are fetched one at
145 a time.
146
147 - `checkout` (and any other command using `unpack-trees`) has been taught
148   to bulk pre-fetch all required missing blobs in a single batch.
149
150 - `rev-list` has been taught to print missing objects.
151 +
152 This can be used by other commands to bulk prefetch objects.
153 For example, a "git log -p A..B" may internally want to first do
154 something like "git rev-list --objects --quiet --missing=print A..B"
155 and prefetch those objects in bulk.
156
157 - `fsck` has been updated to be fully aware of promisor objects.
158
159 - `repack` in GC has been updated to not touch promisor packfiles at all,
160   and to only repack other objects.
161
162 - The global variable "fetch_if_missing" is used to control whether an
163   object lookup will attempt to dynamically fetch a missing object or
164   report an error.
165 +
166 We are not happy with this global variable and would like to remove it,
167 but that requires significant refactoring of the object code to pass an
168 additional flag.
169
170
171 Fetching Missing Objects
172 ------------------------
173
174 - Fetching of objects is done by invoking a "git fetch" subprocess.
175
176 - The local repository sends a request with the hashes of all requested
177   objects, and does not perform any packfile negotiation.
178   It then receives a packfile.
179
180 - Because we are reusing the existing fetch mechanism, fetching
181   currently fetches all objects referred to by the requested objects, even
182   though they are not necessary.
183
184
185 Using many promisor remotes
186 ---------------------------
187
188 Many promisor remotes can be configured and used.
189
190 This allows for example a user to have multiple geographically-close
191 cache servers for fetching missing blobs while continuing to do
192 filtered `git-fetch` commands from the central server.
193
194 When fetching objects, promisor remotes are tried one after the other
195 until all the objects have been fetched.
196
197 Remotes that are considered "promisor" remotes are those specified by
198 the following configuration variables:
199
200 - `extensions.partialClone = <name>`
201
202 - `remote.<name>.promisor = true`
203
204 - `remote.<name>.partialCloneFilter = ...`
205
206 Only one promisor remote can be configured using the
207 `extensions.partialClone` config variable. This promisor remote will
208 be the last one tried when fetching objects.
209
210 We decided to make it the last one we try, because it is likely that
211 someone using many promisor remotes is doing so because the other
212 promisor remotes are better for some reason (maybe they are closer or
213 faster for some kind of objects) than the origin, and the origin is
214 likely to be the remote specified by extensions.partialClone.
215
216 This justification is not very strong, but one choice had to be made,
217 and anyway the long term plan should be to make the order somehow
218 fully configurable.
219
220 For now though the other promisor remotes will be tried in the order
221 they appear in the config file.
222
223 Current Limitations
224 -------------------
225
226 - It is not possible to specify the order in which the promisor
227   remotes are tried in other ways than the order in which they appear
228   in the config file.
229 +
230 It is also not possible to specify an order to be used when fetching
231 from one remote and a different order when fetching from another
232 remote.
233
234 - It is not possible to push only specific objects to a promisor
235   remote.
236 +
237 It is not possible to push at the same time to multiple promisor
238 remote in a specific order.
239
240 - Dynamic object fetching will only ask promisor remotes for missing
241   objects.  We assume that promisor remotes have a complete view of the
242   repository and can satisfy all such requests.
243
244 - Repack essentially treats promisor and non-promisor packfiles as 2
245   distinct partitions and does not mix them.  Repack currently only works
246   on non-promisor packfiles and loose objects.
247
248 - Dynamic object fetching invokes fetch-pack once *for each item*
249   because most algorithms stumble upon a missing object and need to have
250   it resolved before continuing their work.  This may incur significant
251   overhead -- and multiple authentication requests -- if many objects are
252   needed.
253
254 - Dynamic object fetching currently uses the existing pack protocol V0
255   which means that each object is requested via fetch-pack.  The server
256   will send a full set of info/refs when the connection is established.
257   If there are large number of refs, this may incur significant overhead.
258
259
260 Future Work
261 -----------
262
263 - Improve the way to specify the order in which promisor remotes are
264   tried.
265 +
266 For example this could allow to specify explicitly something like:
267 "When fetching from this remote, I want to use these promisor remotes
268 in this order, though, when pushing or fetching to that remote, I want
269 to use those promisor remotes in that order."
270
271 - Allow pushing to promisor remotes.
272 +
273 The user might want to work in a triangular work flow with multiple
274 promisor remotes that each have an incomplete view of the repository.
275
276 - Allow repack to work on promisor packfiles (while keeping them distinct
277   from non-promisor packfiles).
278
279 - Allow non-pathname-based filters to make use of packfile bitmaps (when
280   present).  This was just an omission during the initial implementation.
281
282 - Investigate use of a long-running process to dynamically fetch a series
283   of objects, such as proposed in [5,6] to reduce process startup and
284   overhead costs.
285 +
286 It would be nice if pack protocol V2 could allow that long-running
287 process to make a series of requests over a single long-running
288 connection.
289
290 - Investigate pack protocol V2 to avoid the info/refs broadcast on
291   each connection with the server to dynamically fetch missing objects.
292
293 - Investigate the need to handle loose promisor objects.
294 +
295 Objects in promisor packfiles are allowed to reference missing objects
296 that can be dynamically fetched from the server.  An assumption was
297 made that loose objects are only created locally and therefore should
298 not reference a missing object.  We may need to revisit that assumption
299 if, for example, we dynamically fetch a missing tree and store it as a
300 loose object rather than a single object packfile.
301 +
302 This does not necessarily mean we need to mark loose objects as promisor;
303 it may be sufficient to relax the object lookup or is-promisor functions.
304
305
306 Non-Tasks
307 ---------
308
309 - Every time the subject of "demand loading blobs" comes up it seems
310   that someone suggests that the server be allowed to "guess" and send
311   additional objects that may be related to the requested objects.
312 +
313 No work has gone into actually doing that; we're just documenting that
314 it is a common suggestion.  We're not sure how it would work and have
315 no plans to work on it.
316 +
317 It is valid for the server to send more objects than requested (even
318 for a dynamic object fetch), but we are not building on that.
319
320
321 Footnotes
322 ---------
323
324 [a] expensive-to-modify list of missing objects:  Earlier in the design of
325     partial clone we discussed the need for a single list of missing objects.
326     This would essentially be a sorted linear list of OIDs that the were
327     omitted by the server during a clone or subsequent fetches.
328
329 This file would need to be loaded into memory on every object lookup.
330 It would need to be read, updated, and re-written (like the .git/index)
331 on every explicit "git fetch" command *and* on any dynamic object fetch.
332
333 The cost to read, update, and write this file could add significant
334 overhead to every command if there are many missing objects.  For example,
335 if there are 100M missing blobs, this file would be at least 2GiB on disk.
336
337 With the "promisor" concept, we *infer* a missing object based upon the
338 type of packfile that references it.
339
340
341 Related Links
342 -------------
343 [0] https://crbug.com/git/2
344     Bug#2: Partial Clone
345
346 [1] https://lore.kernel.org/git/20170113155253.1644-1-benpeart@microsoft.com/ +
347     Subject: [RFC] Add support for downloading blobs on demand +
348     Date: Fri, 13 Jan 2017 10:52:53 -0500
349
350 [2] https://lore.kernel.org/git/cover.1506714999.git.jonathantanmy@google.com/ +
351     Subject: [PATCH 00/18] Partial clone (from clone to lazy fetch in 18 patches) +
352     Date: Fri, 29 Sep 2017 13:11:36 -0700
353
354 [3] https://lore.kernel.org/git/20170426221346.25337-1-jonathantanmy@google.com/ +
355     Subject: Proposal for missing blob support in Git repos +
356     Date: Wed, 26 Apr 2017 15:13:46 -0700
357
358 [4] https://lore.kernel.org/git/1488999039-37631-1-git-send-email-git@jeffhostetler.com/ +
359     Subject: [PATCH 00/10] RFC Partial Clone and Fetch +
360     Date: Wed,  8 Mar 2017 18:50:29 +0000
361
362 [5] https://lore.kernel.org/git/20170505152802.6724-1-benpeart@microsoft.com/ +
363     Subject: [PATCH v7 00/10] refactor the filter process code into a reusable module +
364     Date: Fri,  5 May 2017 11:27:52 -0400
365
366 [6] https://lore.kernel.org/git/20170714132651.170708-1-benpeart@microsoft.com/ +
367     Subject: [RFC/PATCH v2 0/1] Add support for downloading blobs on demand +
368     Date: Fri, 14 Jul 2017 09:26:50 -0400