~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/developers/overview.txt

(vila) Fix test failures blocking package builds. (Vincent Ladeuil)

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
=============================
 
2
Bazaar Architectural Overview
 
3
=============================
 
4
 
 
5
This document describes the key classes and concepts within Bazaar.  It is
 
6
intended to be useful to people working on the Bazaar codebase, or to
 
7
people writing plugins.  People writing plugins may also like to read the 
 
8
guide to `Integrating with Bazaar <integration.html>`_ for some specific recipes.
 
9
 
 
10
There's some overlap between this and the `Core Concepts`_ section of the
 
11
user guide, but this document is targetted to people interested in the
 
12
internals.  In particular the user guide doesn't go any deeper than
 
13
"revision", because regular users don't care about lower-level details
 
14
like inventories, but this guide does.
 
15
 
 
16
If you have any questions, or if something seems to be incorrect, unclear
 
17
or missing, please talk to us in ``irc://irc.freenode.net/#bzr``, write to
 
18
the Bazaar mailing list, or simply file a bug report.
 
19
 
 
20
 
 
21
IDs and keys
 
22
############
 
23
 
 
24
IDs
 
25
===
 
26
 
 
27
All IDs are globally unique identifiers.  Inside bzrlib they are almost
 
28
always represented as UTF-8 encoded bytestrings (i.e. ``str`` objects).
 
29
 
 
30
The main two IDs are:
 
31
 
 
32
:Revision IDs: The unique identifier of a single revision, such as
 
33
  ``pqm@pqm.ubuntu.com-20110201161347-ao76mv267gc1b5v2``
 
34
:File IDs: The unique identifier of a single file.
 
35
 
 
36
By convention, in the bzrlib API, parameters of methods that are expected
 
37
to be IDs (as opposed to keys, revision numbers, or some other handle)
 
38
will end in ``id``, e.g.  ``revid`` or ``file_id``.
 
39
 
 
40
Ids may be stored directly or they can be inferred from other
 
41
data. Native Bazaar formats store ids directly; foreign VCS
 
42
support usually generates them somehow. For example, the
 
43
Git commit with SHA ``fb235a3be6372e40ff7f7ebbcd7905a08cb04444``
 
44
is referred to with the revision ID
 
45
``git-v1:fb235a3be6372e40ff7f7ebbcd7905a08cb04444``. IDs are expected
 
46
to be persistent
 
47
 
 
48
File ids
 
49
--------
 
50
 
 
51
File ids are unique identifiers for files. There are three slightly different
 
52
categories of file ids.
 
53
 
 
54
Tree file ids
 
55
~~~~~~~~~~~~~
 
56
 
 
57
Tree file ids are used in the ``Tree`` API and can either be UTF-8 encoded
 
58
bytestrings or tuples of UTF-8 encoded bytestrings. Plain bytestrings
 
59
are considered to be the equivalent of a 1-tuple containing that
 
60
bytestring.
 
61
 
 
62
Tree file ids should be considered valid only for a specific tree context.
 
63
Note that this is a stricter interpretation than what the current bzr
 
64
format implementation provides - its file ids are persistent across runs
 
65
and across revisions.
 
66
 
 
67
For some formats (most notably bzr's own formats) it's possible for the
 
68
implementation to specify the file id to use. In other case the tree
 
69
mandates a specific file id.
 
70
 
 
71
Inventory file ids
 
72
~~~~~~~~~~~~~~~~~~
 
73
 
 
74
Inventories are specific to the bzr native format and are the main layer
 
75
below the ``Tree`` implementation of bzr. File ids in inventories can
 
76
only be UTF-8 encoded bytestrings. A single Tree object can be associated
 
77
with multiple inventories if there are nested trees.
 
78
 
 
79
Tree file ids for bzr formats are a tuple of inventory file ids for the file
 
80
in question. Each non-last item in the tuple refers to the tree
 
81
reference of an inner tree. The last item in the tuple refers to the
 
82
actual file. This means that lookups of file ids doesn't scale with
 
83
the number of nested trees.
 
84
 
 
85
Inventory file ids are only relevant for native Bazaar formats; foreign
 
86
formats don't use inventories.
 
87
 
 
88
Transform ids
 
89
~~~~~~~~~~~~~
 
90
 
 
91
Transform ids are used during tree transform operations (used by e.g. merge).
 
92
The same transform id is expected to be used for two instances of the
 
93
same file. At the moment transform ids are directly derived from file
 
94
ids, but in the future they could be based on other data too (e.g.
 
95
automatic rename detection or format-specific rules).
 
96
 
 
97
Keys
 
98
====
 
99
 
 
100
A composite of one or more ID elements.  E.g. a (file-id, revision-id)
 
101
pair is the key to the "texts" store, but a single element key of
 
102
(revision-id) is the key to the "revisions" store.
 
103
 
 
104
 
 
105
Core classes
 
106
############
 
107
 
 
108
Transport
 
109
=========
 
110
 
 
111
The ``Transport`` layer handles access to local or remote directories.
 
112
Each Transport object acts as a logical connection to a particular
 
113
directory, and it allows various operations on files within it.  You can
 
114
*clone* a transport to get a new Transport connected to a subdirectory or
 
115
parent directory.
 
116
 
 
117
Transports are not used for access to the working tree.  At present
 
118
working trees are always local and they are accessed through the regular
 
119
Python file I/O mechanisms.
 
120
 
 
121
Filenames vs URLs
 
122
-----------------
 
123
 
 
124
Transports work in terms of URLs.  Take note that URLs are by definition
 
125
only ASCII - the decision of how to encode a Unicode string into a URL
 
126
must be taken at a higher level, typically in the Store.  (Note that
 
127
Stores also escape filenames which cannot be safely stored on all
 
128
filesystems, but this is a different level.)
 
129
 
 
130
The main reason for this is that it's not possible to safely roundtrip a
 
131
URL into Unicode and then back into the same URL.  The URL standard
 
132
gives a way to represent non-ASCII bytes in ASCII (as %-escapes), but
 
133
doesn't say how those bytes represent non-ASCII characters.  (They're not
 
134
guaranteed to be UTF-8 -- that is common but doesn't happen everywhere.)
 
135
 
 
136
For example, if the user enters the URL ``http://example/%e0``, there's no
 
137
way to tell whether that character represents "latin small letter a with
 
138
grave" in iso-8859-1, or "latin small letter r with acute" in iso-8859-2,
 
139
or malformed UTF-8.  So we can't convert the URL to Unicode reliably.
 
140
 
 
141
Equally problematic is if we're given a URL-like string containing
 
142
(unescaped) non-ASCII characters (such as the accented a).  We can't be
 
143
sure how to convert that to a valid (i.e. ASCII-only) URL, because we
 
144
don't know what encoding the server expects for those characters.
 
145
(Although it is not totally reliable, we might still accept these and
 
146
assume that they should be put into UTF-8.)
 
147
 
 
148
A similar edge case is that the URL ``http://foo/sweet%2Fsour`` contains
 
149
one directory component whose name is "sweet/sour".  The escaped slash is
 
150
not a directory separator, but if we try to convert the URL to a regular
 
151
Unicode path, this information will be lost.
 
152
 
 
153
This implies that Transports must natively deal with URLs.  For simplicity
 
154
they *only* deal with URLs; conversion of other strings to URLs is done
 
155
elsewhere.  Information that Transports return, such as from ``list_dir``,
 
156
is also in the form of URL components.
 
157
 
 
158
More information
 
159
----------------
 
160
 
 
161
See also:
 
162
 
 
163
* `Developer guide to bzrlib transports <transports.html>`_ 
 
164
* API docs for ``bzrlib.transport.Transport``
 
165
 
 
166
Control directory
 
167
=================
 
168
 
 
169
Each control directory (such as ".bzr/") can contain zero or one
 
170
repositories, zero or one working trees and zero or more branches.
 
171
 
 
172
The ``BzrDir`` class is the ``ControlDir`` implementation that is
 
173
responsible for the ".bzr/" directory and its implementation. Plugins
 
174
that provide support for other version control systems can provide
 
175
other subclasses of ``ControlDir``.
 
176
 
 
177
Tree
 
178
====
 
179
 
 
180
A representation of a directory of files (and other directories and
 
181
symlinks etc).  The most important kinds of Tree are:
 
182
 
 
183
:WorkingTree: the files on disk editable by the user
 
184
:RevisionTree: a tree as recorded at some point in the past
 
185
 
 
186
Trees can map file paths to file-ids and vice versa (although trees such
 
187
as WorkingTree may have unversioned files not described in that mapping).
 
188
Trees have an inventory and parents (an ordered list of zero or more
 
189
revision IDs).
 
190
 
 
191
The implementation of ``Tree`` for Bazaar's own formats is based around
 
192
``Inventory`` objects which describe the shape of the tree. Each tree has
 
193
at least one inventory associated with it, which is available as the
 
194
``root_inventory`` attribute on tree. The tree can have more inventories
 
195
associated with it if there are references to other trees in it. These
 
196
references are indicated with ``tree-reference`` inventory entry at the
 
197
point where the other tree is nested. The tree reference entry contains
 
198
sufficient information for looking up the inventory associated with the
 
199
nested tree. There can be multiple layers of nesting.
 
200
 
 
201
Not each ``Tree`` implementation will necessarily have an associated
 
202
``root_inventory``, as not all implementations of ``Tree`` are based
 
203
around inventories (most notably, implementations of foreign VCS file
 
204
formats).
 
205
 
 
206
WorkingTree
 
207
===========
 
208
 
 
209
A workingtree is a special type of Tree that's associated with a working
 
210
directory on disk, where the user can directly modify the files. 
 
211
 
 
212
Responsibilities:
 
213
 
 
214
* Maintaining a WorkingTree on disk at a file path.
 
215
* Maintaining the basis inventory (the inventory of the last commit done)
 
216
* Maintaining the working inventory.
 
217
* Maintaining the pending merges list.
 
218
* Maintaining the stat cache.
 
219
* Maintaining the last revision the working tree was updated to.
 
220
* Knows where its Branch is located.
 
221
 
 
222
Dependencies:
 
223
 
 
224
* a Branch
 
225
* local access to the working tree
 
226
 
 
227
 
 
228
Branch
 
229
======
 
230
 
 
231
A Branch is a key user concept - its a single line of history that one or
 
232
more people have been committing to. 
 
233
 
 
234
A Branch is responsible for:
 
235
 
 
236
* Holding user preferences that are set in a Branch.
 
237
* Holding the 'tip': the last revision to be committed to this Branch.
 
238
  (And the revno of that revision.)
 
239
* Knowing how to open the Repository that holds its history.
 
240
* Allowing write locks to be taken out to prevent concurrent alterations to the branch.
 
241
 
 
242
Depends on:
 
243
 
 
244
* URL access to its base directory.
 
245
* A Transport to access its files.
 
246
* A Repository to hold its history.
 
247
 
 
248
 
 
249
Repository
 
250
==========
 
251
 
 
252
Repositories store committed history: file texts, revisions, inventories,
 
253
and graph relationships between them.  A repository holds a bag of
 
254
revision data that can be pointed to by various branches:
 
255
 
 
256
* Maintains storage of various history data at a URL:
 
257
  
 
258
  * Revisions (Must have a matching inventory)
 
259
  * Digital Signatures
 
260
  * Inventories for each Revision. (Must have all the file texts available).
 
261
  * File texts
 
262
 
 
263
* Synchronizes concurrent access to the repository by different
 
264
  processes.  (Most repository implementations use a physical mutex only
 
265
  for a short period, and effectively support multiple readers and
 
266
  writers.)
 
267
 
 
268
Stacked Repositories
 
269
--------------------
 
270
 
 
271
A repository can be configured to refer to a list of "fallback"
 
272
repositories.  If a particular revision is not present in the original
 
273
repository, it refers the query to the fallbacks.
 
274
 
 
275
Compression deltas don't span physical repository boundaries.  So the
 
276
first commit to a new, empty repository with fallback repositories will
 
277
store a full text of the inventory, and of every new file text.
 
278
 
 
279
At runtime, repository stacking is actually configured by the branch, not
 
280
the repository.  So doing ``a_bzrdir.open_repository()``
 
281
gets you just the single physical repository, while
 
282
``a_bzrdir.open_branch().repository`` gets one configured with a stacking.
 
283
Therefore, to permanently change the fallback repository stored on disk,
 
284
you must use ``Branch.set_stacked_on_url``.
 
285
 
 
286
Changing away from an existing stacked-on URL will copy across any
 
287
necessary history so that the repository remains usable.
 
288
 
 
289
A repository opened from an HPSS server is never stacked on the server
 
290
side, because this could cause complexity or security problems with the
 
291
server acting as a proxy for the client.  Instead, the branch on the
 
292
server exposes the stacked-on URL and the client can open that.
 
293
 
 
294
 
 
295
Storage model
 
296
#############
 
297
 
 
298
This section describes the model for how bzr stores its data.  The
 
299
representation of that data on disk varies considerable depending on the
 
300
format of the repository (and to a lesser extent the format of the branch
 
301
and working tree), but ultimately the set of objects being represented is
 
302
the same.
 
303
 
 
304
Branch
 
305
======
 
306
 
 
307
A branch directly contains:
 
308
 
 
309
* the ID of the current revision that branch (a.k.a. the “tip”)
 
310
* some settings for that branch (the values in “branch.conf”)
 
311
* the set of tags for that branch (not supported in all formats)
 
312
 
 
313
A branch implicitly references:
 
314
 
 
315
* A repository.  The repository might be colocated in the same directory
 
316
  as the branch, or it might be somewhere else entirely.
 
317
 
 
318
 
 
319
Repository
 
320
==========
 
321
 
 
322
A repository contains:
 
323
 
 
324
* a revision store
 
325
* an inventory store
 
326
* a text store
 
327
* a signature store
 
328
 
 
329
A store is a key-value mapping.  This says nothing about the layout on
 
330
disk, just that conceptually there are distinct stores, each with a
 
331
separate namespace for the keys.  Internally the repository may serialize
 
332
stores in the same file, and/or e.g. apply compression algorithms that
 
333
combine records from separate stores in one block, etc.
 
334
 
 
335
You can consider the repository as a single key space, with keys that look
 
336
like *(store-name, ...)*.  For example, *('revisions',
 
337
revision-id)* or *('texts', revision-id, file-id)*.
 
338
 
 
339
Revision store
 
340
--------------
 
341
 
 
342
Stores revision objects.  The keys are GUIDs.  The value is a revision
 
343
object (the exact representation on disk depends on the repository
 
344
format).
 
345
 
 
346
As described in `Core Concepts`_ a revision describes a snapshot of the
 
347
tree of files and some metadata about them.
 
348
 
 
349
* metadata:
 
350
 
 
351
  * parent revisions (an ordered sequence of zero or more revision IDs)
 
352
  * commit message
 
353
  * author(s)
 
354
  * timestamp
 
355
  * (and all other revision properties)
 
356
 
 
357
* an inventory ID (that inventory describes the tree contents).  Is often
 
358
  the same as the revision ID, but doesn't have to be (e.g. if no files
 
359
  were changed between two revisions then both revisions will refer to
 
360
  the same inventory).
 
361
 
 
362
 
 
363
Inventory store
 
364
---------------
 
365
 
 
366
Stores inventory objects.  The keys are GUIDs.  (Footnote: there will
 
367
usually be a revision with the same key in the revision store, but there
 
368
are rare cases where this is not true.)
 
369
 
 
370
An inventory object contains:
 
371
 
 
372
* a set of inventory entries
 
373
 
 
374
An inventory entry has the following attributes
 
375
 
 
376
* a file-id (a GUID, or the special value TREE_ROOT for the root entry of
 
377
  inventories created by older versions of bzr)
 
378
* a revision-id, a GUID (generally corresponding to the ID of a
 
379
  revision).  The combination of (file-id, revision-id) is a key into the
 
380
  texts store.
 
381
* a kind: one of file, directory, symlink, tree-reference (tree-reference
 
382
  is only supported in unsupported developer formats)
 
383
* parent-id: the file-id of the directory that contains this entry (this
 
384
  value is unset for the root of the tree).
 
385
* name: the name of the file/directory/etc in that parent directory
 
386
* executable: a flag indicating if the executable bit is set for that
 
387
  file.
 
388
 
 
389
An inventory entry will have other attributes, depending on the kind:
 
390
 
 
391
* file:
 
392
 
 
393
  * SHA1
 
394
  * size
 
395
 
 
396
* directory
 
397
 
 
398
  * children
 
399
 
 
400
* symlink
 
401
 
 
402
  * symlink_target
 
403
 
 
404
* tree-reference
 
405
 
 
406
  * reference_revision
 
407
 
 
408
For some more details see `Inventories <inventory.html>`_.
 
409
 
 
410
 
 
411
Texts store
 
412
-----------
 
413
 
 
414
Stores the contents of individual versions of files.  The keys are pairs
 
415
of (file-id, revision-id), and the values are the full content (or
 
416
"text") of a version of a file.
 
417
 
 
418
For consistency/simplicity text records exist for all inventory entries,
 
419
but in general only entries with of kind "file" have interesting records.
 
420
 
 
421
 
 
422
Signature store
 
423
---------------
 
424
 
 
425
Stores cryptographic signatures of revision contents.  The keys match
 
426
those of the revision store.
 
427
 
 
428
.. _Core Concepts: http://doc.bazaar.canonical.com/latest/en/user-guide/core_concepts.html
 
429
 
 
430
..
 
431
   vim: ft=rst tw=74 ai