~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/lca-merge.txt

  • Committer: Martin Pool
  • Date: 2009-06-19 06:21:13 UTC
  • mto: This revision was merged to the branch mainline in revision 4558.
  • Revision ID: mbp@sourcefrog.net-20090619062113-019bp0a3bl2y4nkx
Un-soft-deprecate _supports_progress - still useful

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
LCA Merge
 
2
=========
 
3
 
 
4
by Aaron Bentley
 
5
 
 
6
Essential characteristics
 
7
-------------------------
 
8
 
 
9
In the general case (no criss-cross), it is a three-way merge.  When
 
10
there is a criss-cross at the tree level, but not for the particular
 
11
file, it is still a three-way merge.  When there's a file-level
 
12
criss-cross, it's superior to a three-way merge.
 
13
 
 
14
Algorithm
 
15
---------
 
16
 
 
17
First, we compare the files we are trying to merge, and find the lines
 
18
that differ.  Next, we try to determine why they differ; this is
 
19
essential to the merge operation, because it affects how we resolve the
 
20
differences.  In this merger, there are three possible outcomes:
 
21
 
 
22
1. The line was added in this version: "new-this"
 
23
2. The line was deleted in the other version: "killed-other"
 
24
3. The line was preserved as part of merge resolution in this version,
 
25
   but deleted in the other version: "conflicted-this"
 
26
 
 
27
Option 3 is new, but I believe it is essential.  When each side has made
 
28
a conflicting merge resolution, we should let the user decide how to
 
29
combine the two resolutions, i.e. we should emit a conflict.  We cannot
 
30
silently drop the line, or silently keep the line, which can happen if
 
31
we choose options 1 or 2.  If we choose options 1 or 2, there's also a
 
32
possibility that a conflict will be produced, but no guarantee.  We need
 
33
a guarantee, which is why we need a new possible outcome.
 
34
 
 
35
To decide whether a line is "new-this", "killed-other" or
 
36
"conflicted-this", we compare this version against the versions from
 
37
each "least common ancestor" (LCA), in graph terminology.  For each LCA
 
38
version, if the line is not present in the LCA version, we add it to the
 
39
"new" set.  If the line is present in the LCA version, we add it to the
 
40
"killed" set.
 
41
 
 
42
When we are done going through each LCA version, each unique line will
 
43
be in at least one of the sets.  If it is only in the "new" set, it's
 
44
handled as "new-this".  If it is only in the "killed" set, it's handled
 
45
as "killed-other".  If it is in both sets, it's handled as
 
46
"conflicted-this".
 
47
 
 
48
The logic here is a bit tricky: first, we know that the line is present
 
49
in some, but not all, LCAs.  We can assume that all LCAs were produced
 
50
by merges of the same sets of revisions.  That means that in those LCAs,
 
51
there were different merge resolutions.  Since THIS and OTHER disagree
 
52
about whether the line is present, those differences have propagated
 
53
into THIS and OTHER.  Therefore, we should declare that the lines are in
 
54
conflict, and let the user handle the issue.
 
55
 
 
56
LCA merge and Three-way merge
 
57
-----------------------------
 
58
 
 
59
Now, in the common case, there's a single LCA, and LCA merge behaves as
 
60
a three-way merge.  Since there's only one LCA, we cannot get the
 
61
"conflicted-this" outcome, only "new-this" or "killed-other.  Let's look
 
62
at the typical description of three-way merges:
 
63
 
 
64
+-----+------+-------+------------+
 
65
|THIS | BASE | OTHER | OUT        |
 
66
+-----+------+-------+------------+
 
67
|A    | A    | A     | A          |
 
68
+-----+------+-------+------------+
 
69
|A    | B    | A     | A          |
 
70
+-----+------+-------+------------+
 
71
|A    | B    | B     | A          |
 
72
+-----+------+-------+------------+
 
73
|A    | A    | B     | B          |
 
74
+-----+------+-------+------------+
 
75
|A    | B    | C     |\*conflict\*|
 
76
+-----+------+-------+------------+
 
77
 
 
78
Now, let's assume that BASE is a common ancestor, as is typically the
 
79
case.  In fact, for best-case merges, BASE is the sole LCA.
 
80
 
 
81
We always pick the version that represents a change from BASE, if there
 
82
is one.  For the AAAA line, there is no change, so the output is
 
83
rightfully BASE/THIS/OTHER.  For ABAA, the THIS and OTHER are changes
 
84
from BASE, and they are the same change so they both win.  (This case is
 
85
sometimes called convergence.)  For ABBA, THIS is a change from BASE, so
 
86
THIS wins.  For AABB, OTHER is a change from BASE, so OTHER wins.  For
 
87
ABC*, THIS and OTHER are both changes to BASE, but they are different
 
88
changes, so they can't both win cleanly.  Instead, we have a conflict.
 
89
 
 
90
Now in three-way merging, we typically talk about regions of text.  In
 
91
weave/knit/newness/lca merge, we also have regions.  Each contiguous
 
92
group of "unchanged" lines is a region, and the areas between them are
 
93
also regions.
 
94
 
 
95
Let's assign a to THIS and b to OTHER.  "unchanged" regions represent
 
96
the AAAA or ABAA cases; it doesn't matter which, because the outcome is
 
97
the same regardless.  Regions which consist of only "new-a" or
 
98
"killed-a" represent the ABBA case.  Regions which consist of only
 
99
"new-b" or "killed-b" represent the AABB case.  Regions which have
 
100
(new-a or killed-a) AND (new-b or killed-b) are the ABC* case-- both
 
101
sides have made changes, and they are different changes, so a conflict
 
102
must be emitted.
 
103
 
 
104
This is what I mean when I say that it is a three-way merge in the
 
105
common case; if there is only one LCA, then it is merely an alternative
 
106
implementation of three-way.  (One that happens to automatically do
 
107
``--reprocess``, ftw).
 
108
 
 
109
Exception to three-way behavior
 
110
-------------------------------
 
111
There is a special case of three-way merge which LCA merge handles differently
 
112
from our default "merge3" algorithm:
 
113
BASE has content X, THIS deletes the content, and OTHER changes X to Y.  In
 
114
this case, LCA merge emits Y in its output and does not indicate a conflict.
 
115
merge3 would output Y, but would also indicate a conflict.  (This is also the
 
116
behavior in the inverse case where OTHER has nothing and THIS has Y.)
 
117
 
 
118
This behavior is due the way LCA determines basic conflicts; they
 
119
can only be emitted when THIS and OTHER each have unique lines between common
 
120
lines.  If THIS does not have unique lines in this position, conflicts will not
 
121
be emitted, even if its (lack of) content is unique.
 
122
 
 
123
This behavior difference is shared with "weave" merge.  I hope that a future
 
124
revision of LCA merge will handle this case as merge3 would.
 
125
 
 
126
Why a new name
 
127
--------------
 
128
 
 
129
1. It was time.  Although knit / annotate merge and newness merge have
 
130
   tried to emulate the behavior of the original weave merge algorithm,
 
131
   ``--merge-type=weave`` hasn't been based on weaves for a long time.
 
132
2. Behavior differences.  This algorithm should behave like a three-way
 
133
   merge in the common case, while its predecessors did not.  It also has
 
134
   explicit support for handling conflicting merge resolutions, so it
 
135
   should behave better in criss-cross merge scenarios.
 
136
 
 
137
Performance
 
138
-----------
 
139
 
 
140
Unlike the current "weave" merge implementation, lca merge does not
 
141
perform any whole-history operations.  LCA selection should scale with
 
142
the number of uncommon revisions.  Text comparison time should scale
 
143
mO(n\ :sup:`2`\ ), where m is the number of LCAs, and n is the number of lines
 
144
in the file.  The current weave merge compares each uncommon ancestor,
 
145
potentially several times, so it is >= kO(n\ :sup:`2`\ ), where k is the
 
146
number of uncommon ancestors.  So "lca" should beat "weave" both in history
 
147
analysis time and in text comparison time.
 
148
 
 
149
Possible flaws
 
150
==============
 
151
 
 
152
1. Inaccurate LCA selection.  Our current LCA algorithm uses
 
153
   ``Graph.heads()``, which is known to be flawed.  It may occasionally give
 
154
   bad results.  This risk is mitigated by the fact that the per-file graphs
 
155
   tend to be simpler than the revision graph.  And since we're already using
 
156
   this LCA algorithm, this is not an additional risk.  I hope that John Meinel
 
157
   will soon have a fixed version of ``Graph.heads`` for us.
 
158
2. False matches.  Weaves have a concept of line identity, but knits and
 
159
   later formats do not.  So a line may appear to be common to two files, when
 
160
   in fact it was introduced separately into each for entirely different
 
161
   reasons.  This risk is the same for three-way merging.  It is mitigated by
 
162
   using Patience sequence matching, which a longest-common-subsequence match.
 
163
 
 
164
Acknowledgements
 
165
================
 
166
 
 
167
I think this could be a great merge algorithm, and a candidate to make
 
168
our default, but this work would not have been possible without the work
 
169
of others, especially:
 
170
 
 
171
- Martin Pool's weave merge and knit/annotate merge algorithms.
 
172
- Bram Cohen's discussions of merge algorithms
 
173
- Andrew Tridgell's dissection of BitKeeper merge
 
174
- Nathaniel Smith's analysis of why criss-cross histories necessarily
 
175
  produce poor three-way merges.