~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/bundle-format4.txt

  • Committer: John Arbash Meinel
  • Date: 2009-03-27 04:23:35 UTC
  • mto: This revision was merged to the branch mainline in revision 4209.
  • Revision ID: john@arbash-meinel.com-20090327042335-5a8ii0h5sa4ktx04
Switch to using a FIFOCache.

That gives us the lookup performance of a dict, while still being capped
at max size.

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
============================================
 
2
Merge Directive format 2 and Bundle format 4
 
3
============================================
 
4
 
 
5
:Date: 2007-06-21
 
6
 
 
7
Motivation
 
8
----------
 
9
Merge Directive format 2 represents a request to perform a certain merge.  It
 
10
provides access to all the data necessary to perform that merge, by including
 
11
a branch URL or a bundle payload.  It typically will include a preview of
 
12
what applying the patch would do.
 
13
 
 
14
Bundle Format 4 is designed to be a compact format for storing revision
 
15
metadata that can be generated quickly and installed into a repository
 
16
efficiently.  It is not intended to be human-readable.
 
17
 
 
18
Note
 
19
----
 
20
These two formats, taken together, can be viewed as the successor of Bundle
 
21
format 0.9, so their specifications are combined.  It is expected that in the
 
22
future, bundle and merge-directive formats will vary independently.
 
23
 
 
24
 
 
25
Bundle Format Name
 
26
------------------
 
27
This is the fourth bundle format to see public use.  Previous versions were
 
28
0.7, 0.8, and 0.9.  Only 0.7's version number was aligned with a Bazaar
 
29
release.
 
30
 
 
31
 
 
32
Dependencies
 
33
------------
 
34
- Container format 1
 
35
- Multiparent diffs
 
36
- Bencode
 
37
- Patch-RIO
 
38
 
 
39
 
 
40
Description
 
41
-----------
 
42
Merge Directives fulfil the role previous bundle formats had of requesting a
 
43
merge to be performed, but are a more flexible way of doing so.  With the
 
44
introduction of these two formats, there is a clear split between "directive",
 
45
which is a request to merge (and therefore signable), and "bundle", which is
 
46
just data.
 
47
 
 
48
Merge Directive format 2 may provide a patch preview of the change being
 
49
requested.  If a preview is supplied, the receiving client will verify that
 
50
the actual change matches the preview.
 
51
 
 
52
Merge Directive format 2 also includes a testament hash, to ensure that if a
 
53
branch is used, the branch cannot be subverted to cause the wrong changes to be
 
54
applied.
 
55
 
 
56
Bundle format 4 is designed to trade human-readability for speed and
 
57
compactness.  It does not contain a human-readable "prelude" patch.
 
58
 
 
59
Merge Directive 2 Contents
 
60
--------------------------
 
61
This format consists of three sections, in the following order.
 
62
 
 
63
 
 
64
Patch-RIO command section
 
65
~~~~~~~~~~~~~~~~~~~~~~~~~
 
66
This section is identical to the corresponding section in Format 1 merge
 
67
directives, except as noted below.  It is mandatory.  It is terminated by a
 
68
line reading ``#`` that is not preceeded by a line ending with ``\``.
 
69
 
 
70
In order to support cherry-picking and patch comparison, this format adds a new
 
71
piece of information, the ``base_revision_id``.  This is a suggested base
 
72
revision for merging.  It may be supplied by the user.  If not, it is
 
73
calculated using the standard merge base algorithm, with the ``revision_id``
 
74
and target branch's ``last_revision`` as its inputs.
 
75
 
 
76
When merging, clients should use the ``base_revision_id`` when it is not
 
77
already present in the ancestry of the ``last_revision`` of the target branch.
 
78
If it is already present, clients should calculate a merge base in the normal
 
79
way.
 
80
 
 
81
 
 
82
Patch preview section
 
83
~~~~~~~~~~~~~~~~~~~~~
 
84
This section is optional.  It begins with the line ``# Begin patch``.  It is
 
85
terminated by the end-of-file or by the beginning of a bundle section.
 
86
 
 
87
Its contents are a unified diff, as per the ``bzr diff`` command.  The FROM
 
88
revision is the ``base_revision_id`` specified in the Patch-RIO section.
 
89
 
 
90
 
 
91
Bundle section
 
92
~~~~~~~~~~~~~~
 
93
This section is optional, but if it is not supplied, a source_branch must be
 
94
supplied.  It begins with the line ``# Begin bundle``, and is terminated by the
 
95
end-of-file.
 
96
 
 
97
The contents are a base-64 encoded bundle.  This may be any bundle format, but
 
98
formats 4+ are strongly recommended.  The base revision is the newest revision
 
99
in the source branch which is an ancestor of all revisions not present in
 
100
target which are ancestors of revision_id.
 
101
 
 
102
This base revision may or may not be the same as the ``base_revision_id``.  In
 
103
particular, the ``base_revision_id`` may specify a cherry-pick, but all the
 
104
ancestors of the ``base_revision_id`` should be installed in the target
 
105
repository before performing such a merge.
 
106
 
 
107
 
 
108
Bundle 4 Contents
 
109
-----------------
 
110
Bazaar revision bundles  begin with a format marker that reads
 
111
``# Bazaar revision bundle v4`` in plaintext.  The remainder of the file is a
 
112
``Bazaar pack format 1`` container.  The container is compressed using bzip2.
 
113
 
 
114
Putting the format marker in plaintext ensures that old clients will give good
 
115
diagnostics, but renders the file unreadable by standard bzip2 utilities.
 
116
 
 
117
Serialization
 
118
~~~~~~~~~~~~~
 
119
Format 4 records revision and inventory records in their repository
 
120
serialization format.  This minimizes translation and compression costs
 
121
in the common case, where the sender and receiver use the same serialization
 
122
format for their repository. Steps have been taken to ensure a faithful
 
123
conversion when serialization formats are mismatched.
 
124
 
 
125
 
 
126
Bundle Records
 
127
~~~~~~~~~~~~~~
 
128
The bundle format creates a single bundle-level record out of two container
 
129
records.  The first container record contains metainfo as a Bencoded dict.  The
 
130
second container record contains the body.
 
131
 
 
132
The bundle record name is associated with the metainfo record.  The body record
 
133
is anonymous.
 
134
 
 
135
 
 
136
Record metainfo
 
137
~~~~~~~~~~~~~~~
 
138
 
 
139
:record_kind: The storage strategy of the record.  May be ``fulltext`` (the
 
140
    record body contains the full text of the value), ``mpdiff`` (the record
 
141
    body contains a multi-parent diff of the value), or ``header`` (no record
 
142
    body).
 
143
:parents: Used in fulltext and mpdiff records.  The revisions that should be
 
144
    noted as parents of this revision in the repository.  For mpdiffs, this is
 
145
    also the list of build-parents.
 
146
:sha1: Used in mpdiff records.  The sha-1 hash of the full-text value.
 
147
 
 
148
 
 
149
Bundle record naming
 
150
~~~~~~~~~~~~~~~~~~~~~
 
151
All bundle records have a single name, which is associated with the metainfo
 
152
container record.  Records are named according to the body's content-kind,
 
153
revision-id, and file-id.
 
154
 
 
155
Content-kind may be one of:
 
156
 
 
157
:file: a version of a user file
 
158
:inventory: the tree inventory
 
159
:revision: the revision metadata for a revision
 
160
:signature: the revision signature for a revision
 
161
 
 
162
Names are constructed like so: ``content-kind/revision-id/file-id``.  Values
 
163
are iterpreted left-to-right, so if two values are present, they are
 
164
content-kind and revision-id.
 
165
A record has a file-id if-and-only-if it is a file record.
 
166
Info records have no revision or file-id.
 
167
Inventory, revision and signature all have content-kind and revision-id, but
 
168
no file-id.
 
169
 
 
170
Layout
 
171
~~~~~~
 
172
The first record is an info/header record.
 
173
 
 
174
The subsequent records are mpdiff file records.  The are ordered first by file
 
175
id, then in topological order by revision-id.
 
176
 
 
177
The next records are mpdiff inventory records.  They are topologically sorted.
 
178
 
 
179
The next records are revision and signature fulltexts.  They are interleaved
 
180
and topologically sorted.
 
181
 
 
182
Info record
 
183
~~~~~~~~~~~
 
184
The info record has type ``header``.  It has no revision_id or file_id.
 
185
Its metadata contains:
 
186
 
 
187
:serializer: A string describing the serialization format used for inventory
 
188
    and revision data.  May be ``xml5``, ``xml6`` or ``xml7``.
 
189
:supports_rich_root: 1 if the source repository supports rich roots,
 
190
    0 otherwise.
 
191
 
 
192
 
 
193
Implementation notes
 
194
~~~~~~~~~~~~~~~~~~~~
 
195
- knit deltas contain almost enough information to extract the original
 
196
  SequenceMatcher.get_matching_blocks() call used to produce them.  Combining
 
197
  that information with the relevant fulltexts allows us to avoid performing
 
198
  sequence matching on any fulltexts for which we have deltas.
 
199
 
 
200
- MultiParent deltas contain ``get_matching_blocks`` output almost verbatim,
 
201
  but if there is more than one parent, the information about the leftmost
 
202
  parent may be incomplete.  However, for single-parent multiparent diffs, we
 
203
  can extract the ``SequenceMatcher.get_matching_blocks`` output, and therefore
 
204
  ``the SequenceMatcher.get_opcodes`` output used to create knit deltas.
 
205
 
 
206
 
 
207
Installing data across serialization mismatches
 
208
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
 
209
In practice, there cannot be revision serialization mismatches, because the
 
210
serialization of revisions has been consistent in serializations 5-7
 
211
 
 
212
If there is a mismatch in inventory serialization formats, the receiver can
 
213
 
 
214
  1. extract the inventory objects for the parents
 
215
  2. serialize them using the bundle serialize
 
216
  3. apply the mpdiff
 
217
  4. calculate the fulltext sha1
 
218
  5. compare the calculated sha1 to the expected sha1
 
219
  6. deserialize using the bundle serializer
 
220
  7. serialize using the repository serializer
 
221
  8. add to the repository
 
222
 
 
223
This is much slower, of course.  But since the since the fulltext is verified
 
224
at step 5, it should be just as safe as any other conversion.
 
225
 
 
226
Model differences
 
227
~~~~~~~~~~~~~~~~~
 
228
 
 
229
Note that there may be model differences requiring additional changes.  These
 
230
differences are described by the "supports_rich_root" value in the info record.
 
231
 
 
232
A subset of xml6 and xml7 records are compatible with xml5 (i.e. those that
 
233
were converted from xml5 originally).
 
234
 
 
235
When installing from a bundle whose serializer supports tree references to a
 
236
repository that does not support tree references, clients should halt if they
 
237
encounter a record containing a tree reference.
 
238
 
 
239
When installing from a supports_rich_root bundle to a repository that does not
 
240
support rich roots, clients should halt if they encounter an inventory record
 
241
whose root directory revision-id does not match the inventory revision id.
 
242
 
 
243
When installing from a bundle that does not support rich roots to a repository
 
244
that does, additional knits should be added for the root directory, with a
 
245
revision for each inventory revision.
 
246
 
 
247
Validating preview patches
 
248
~~~~~~~~~~~~~~~~~~~~~~~~~~
 
249
When applying a merge directive that includes a preview, clients should
 
250
verify that the preview matches the changes requested by the merge directive.
 
251
 
 
252
In order to do this, the client should generate a diff from the
 
253
``base_revision_id`` to the ``revision_id``.  This diff should be compared
 
254
against the preview patch, making allowances for the fact that whitespace
 
255
munging may have occurred.
 
256
 
 
257
One form of whitespace munging that has been observed is line-ending
 
258
conversion.  Certain mail clients such as Evolution do not respect the
 
259
line-endings of text attachments.  Since line-ending conversion is unlikely to
 
260
alter the meaning of a patch, it seems safe to ignore line endings when
 
261
comparing the preview patch.
 
262
 
 
263
Another form of whitespace munging that has been observed is
 
264
trailing-whitespace stripping.  Again, it seems unlikely that stripping
 
265
trailing whitespace could alter the meaning of a patch.  Such a distinction
 
266
is also invisible to readers, so ignoring it does not create a new threat.  So
 
267
it seems reasonable to ignore trailing whitespace when comparing the patches.
 
268
 
 
269
Other mungings are possible, but it is recommended not to implement support
 
270
for them until they have been observed.  Each of these changes makes the
 
271
comparison more approximate, and the more approximate it becomes, the easier it
 
272
is to provide a preview patch that does not match the requested changes.