~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/formats.txt

  • Committer: Martin Pool
  • Date: 2005-04-28 07:24:55 UTC
  • Revision ID: mbp@sourcefrog.net-20050428072453-7b99afa993a1e549
todo

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
*****************
 
2
Bazaar-NG formats
 
3
*****************
 
4
 
 
5
.. contents::
 
6
 
 
7
Since branches are working directories there is just a single
 
8
directory format.
 
9
 
 
10
There is one metadata directory called ``.bzr`` at the top of each
 
11
tree.  Control files inside ``.bzr`` are never touched by patches and
 
12
should not normally be edited by the user.
 
13
 
 
14
These files are designed so that repository-level operations are ACID
 
15
without depending on atomic operations spanning multiple files.  There
 
16
are two particular cases: aborting a transaction in the middle, and
 
17
contention from multiple processes.  We also need to be careful to
 
18
flush files to disk at appropriate points; even this may not be
 
19
totally safe if the filesystem does not guarantee ordering between
 
20
multiple file changes, so we need to be sure to roll back.
 
21
 
 
22
The design must also be such that the directory can simply be copied
 
23
and that hardlinked directories will work.  (So we must always replace
 
24
files, never just append.)
 
25
 
 
26
A cache is kept under here of easily-accessible information about
 
27
previous revisions.  This should be under a single directory so that
 
28
it can be easily identified, excluded from backups, removed, etc.
 
29
This might contain pristine tree from previous revisions, manifests
 
30
and inventories, etc.  It might also contain working directories when
 
31
building a commit, etc.  Call this maybe ``cache`` or ``tmp``.
 
32
 
 
33
I wonder if we should use .zip files for revisions and cacherevs
 
34
rather than tar files so that random access is easier/more efficient.
 
35
There is a Python library ``zipfile``.
 
36
 
 
37
 
 
38
Signing XML files
 
39
*****************
 
40
 
 
41
bzr relies on storing hashes or GPG signatures of various XML files.
 
42
There can be multiple equivalent representations of the same XML tree,
 
43
but these will have different byte-by-byte hashes.
 
44
 
 
45
Once signed files are written out, they must be stored byte-for-byte
 
46
and never re-encoded or renormalized, because that would break their
 
47
hash or signature.
 
48
 
 
49
 
 
50
 
 
51
 
 
52
Branch metadata
 
53
***************
 
54
 
 
55
All inside ``.bzr``
 
56
 
 
57
``README``
 
58
  Tells people not to touch anything here.
 
59
 
 
60
``branch-format``
 
61
  Identifies the parent as a Bazaar-NG branch; contains the overall
 
62
  branch metadata format as a string.
 
63
 
 
64
``pristine-directory``
 
65
  Identifies that this is a pristine directory and may not be
 
66
  committed to.
 
67
 
 
68
``patches/``
 
69
  Directory containing all patches applied to this branch, one per
 
70
  file.  Patches are stored as compressed deltas.  We also store the
 
71
  hash of the delta, hash of the before and after manifests, and
 
72
  optionally a GPG signature.
 
73
 
 
74
``cache/``
 
75
  Contains various cached data that can be destroyed and will be
 
76
  recreated.  (It should not be modified.)
 
77
 
 
78
``cache/pristine/``
 
79
  Contains cached full trees for selected previous revisions, used
 
80
  when generating diffs, etc.
 
81
 
 
82
``cache/inventory/``
 
83
  Contains cached inventories of previous revisions.
 
84
 
 
85
``cache/snapshot/``
 
86
  Contains tarballs of cached revisions of the tree, named by their
 
87
  revision id.  These can also be removed, but 
 
88
 
 
89
``patch-history``
 
90
  File containing the UUIDs of all patches taken in this branch,
 
91
  in the order they were taken.
 
92
  Each commit adds exactly one line to this file; lines are
 
93
  never removed or reordered.
 
94
 
 
95
``merged-patches``
 
96
  List of foreign patches that have been merged into this branch.
 
97
  Must have no entries in common with ``patch-history``.  Commits that
 
98
  include merges add to this file; lines are never removed or
 
99
  reordered.
 
100
 
 
101
``pending-merge-patches``
 
102
  List of foreign patches that have been merged and are waiting to be
 
103
  committed. 
 
104
 
 
105
``branch-name``
 
106
  User-qualified name of the branch, for the purpose of describing the
 
107
  origin of patches, e.g. ``mbp@sourcefrog.net/distcc--main``.
 
108
 
 
109
``friends``
 
110
  List of branches from which we have pulled; file containing a list
 
111
  of pairs of branch-name and location.
 
112
 
 
113
``parent``
 
114
  Default pull/push target.
 
115
 
 
116
``pending-inventory``
 
117
  Mapping from UUIDs to file name in the current working directory.  
 
118
 
 
119
``branch-lock``
 
120
  Lock held while modifying the branch, to protect against clashing
 
121
  updates.
 
122
 
 
123
 
 
124
Locking
 
125
*******
 
126
 
 
127
Is locking a good strategy?  Perhaps somekind of read-copy-update or
 
128
seq-lock based mechanism would work better?
 
129
 
 
130
If we do use a locking algorithm, is it OK to rely on filesystem
 
131
locking or do we need our own mechanism?  I think most hosts should
 
132
have reasonable ``flock()`` or equivalent, even on NFS.  One risk is
 
133
that on NFS it is easy to have broken locking and not know it, so it
 
134
might be better to have something that will fail safe.
 
135
 
 
136
Filesystem locks go away if the machine crashes or the process is
 
137
terminated; this can be a feature in that we do not need to deal with
 
138
stale locks but also a feature in that the lock itself does not
 
139
indicate cleanup may be needed.
 
140
 
 
141
robertc points out that tla converged on renaming a directory as a
 
142
mechanism: this is one thing which is known to be atomic on almost all
 
143
filesystems.  Apparently renaming files, creating directories, making
 
144
symlinks etc are not good enough.
 
145
 
 
146
 
 
147
 
 
148
Delta
 
149
*****
 
150
 
 
151
XML document plus a bag of patches, expressing the difference between
 
152
two revisions.  May be a partial delta.
 
153
 
 
154
* list of entries
 
155
 
 
156
  * entry
 
157
  
 
158
    * parent directory (if any)
 
159
    * before-name or null if new
 
160
    * after-name or null if deleted
 
161
    * uuid
 
162
    * type (dir, file, symlink, ...)
 
163
    * patch type (patch, full-text, xdelta, ...)
 
164
    * patch filename (?)
 
165
 
 
166
 
 
167
Inventory
 
168
*********
 
169
 
 
170
XML document; series of entries.  (Quite similar to the svn
 
171
``entries`` file; perhaps should even have that name.)
 
172
Stored identified by its hash.
 
173
 
 
174
An inventory is stored for recorded revisions, also a
 
175
``pending-inventory`` for a working directory.
 
176
 
 
177
 
 
178
 
 
179
Revision
 
180
********
 
181
 
 
182
XML document.  Stored identified by its hash.
 
183
 
 
184
committer
 
185
  RFC-2822-style name of the committer.  Should match the key used to
 
186
  sign the revision.
 
187
 
 
188
comment
 
189
  multi-line free-form text; whitespace and line breaks preserved
 
190
 
 
191
timestamp
 
192
  As floating-point seconds since epoch.
 
193
 
 
194
precursor
 
195
  ID of the previous revision on this branch.  May be absent (null) if
 
196
  this is the start of a new branch.
 
197
 
 
198
branch name
 
199
  Name of the branch to which this was originally committed.    
 
200
 
 
201
  (I'm not totally satisfied that this is the right way to do it; the
 
202
  results will be a bit weird when a series of revisions pass through
 
203
  variously named branches.)
 
204
 
 
205
inventory_hash
 
206
  Acts as a pointer to the inventory for this revision.
 
207
 
 
208
merged-branches
 
209
  Revision ids of complete branches merged into this revision.  If a
 
210
  revision is listed, that revision and transitively its predecessor
 
211
  and all other merged-branches are merged.  This is empty except
 
212
  where cherry-picks have occurred.
 
213
 
 
214
merged-patches
 
215
  Revision ids of cherry-picked patches.  Patches whose branches are
 
216
  merged need not be listed here.  Listing a revision ID implies that
 
217
  only the change of that particular revision from its predecessor has
 
218
  been merged in.   This is empty except where cherry-picks have
 
219
  occurred.
 
220
 
 
221
The transitive closure avoids Arch's problem of needing to list a
 
222
large number of previous revisions.  As ddaa writes:
 
223
 
 
224
    Continuation revisions (created by tla tag or baz branch) are associated
 
225
    to a patchlog whose New-patches header lists the revisions associated to
 
226
    all the patchlogs present in the tree. That was introduced as an
 
227
    optimisation so the set of patchlogs in any revision could be determined
 
228
    solely by examining the patchlogs of ancestor revisions in the same
 
229
    branch. This behaves well as long as the total count of patchlog is
 
230
    reasonably small or new branches are not very frequent.
 
231
 
 
232
    A continuation revision on $tree currently creates a patchlog of
 
233
    about 500K. This patchlog is present in all descendent of the revision,
 
234
    and all revisions that merges it.
 
235
 
 
236
It may be useful at some times to keep a cache of all the branches, or
 
237
all the revisions, present in the history of a branch, so that we do
 
238
need to walk the whole history of the branch to build this list.
 
239
  
 
240
 
 
241
----
 
242
 
 
243
Proposed changes
 
244
****************
 
245
 
 
246
* Don't store parent-id in all revisions, but rather have <DIRECTORY>
 
247
  nodes that contain entries for children?
 
248
 
 
249
* Assign an id to the root of the tree, perhaps listed in the top of
 
250
  the inventory?