~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to doc/design.txt

  • Committer: Martin Pool
  • Date: 2005-07-22 22:37:53 UTC
  • Revision ID: mbp@sourcefrog.net-20050722223753-7dced4e32d3ce21d
- add the start of a test for inventory file-id matching

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
****************
 
2
Bazaar-NG design
 
3
****************
 
4
 
 
5
 
 
6
:Author:
 
7
  Martin Pool <mbp@sourcefrog.net>
 
8
 
 
9
:Date: December 2004, Noosa.
 
10
 
 
11
.. sectnum::
 
12
.. contents::
 
13
 
 
14
 
 
15
Abstract
 
16
--------
 
17
 
 
18
  *Bazaar-NG should be a joy to use.*
 
19
 
 
20
  What if we started from scratch and tried to take the best features
 
21
  from darcs, svn, arch, quilt, and bk?
 
22
 
 
23
  Don't get the sum of all features; rather get the minimum features
 
24
  that make it a joy to use.  Choose simplicity, in both interface and model.
 
25
  Do not multiply entities
 
26
  beyond necessity.
 
27
 
 
28
  *Make it work; make it correct; make it fast* -- Ritchie(?)
 
29
 
 
30
 
 
31
 
 
32
Design model
 
33
------------
 
34
 
 
35
* Unify archives and branches; one archive holds one branch.  If you
 
36
  want to publish multiple branches, just put up multiple directories.
 
37
 
 
38
* Explicitly add/remove files only; no names or tagline tagging.  If
 
39
  someone wants to do heuristic detection of renames that's fine, but
 
40
  it's not in the core model.
 
41
 
 
42
Quilt indicates an interesting approach: patches themselves are the
 
43
thing we're trying to build.  We don't just want a record of what
 
44
happened, but we want to build up a good description of the change
 
45
that will be implied when it's integrated.  This implies that we want
 
46
to be able to change history quite a lot before merging upstream; or
 
47
at least change our description of what will go up.
 
48
 
 
49
 
 
50
Principles
 
51
----------
 
52
 
 
53
* Unix design philosophy (via Peter Miller), tempered by modern
 
54
  expectations:
 
55
 
 
56
  - least unnecessary output
 
57
 
 
58
  - little dependence on *specific* external tools
 
59
 
 
60
  - short command lines
 
61
 
 
62
  - least overlap with cooperating tools
 
63
 
 
64
* `Worse is better`__
 
65
 
 
66
__ http://www.jwz.org/doc/worse-is-better.html
 
67
 
 
68
 - *Simplicity: the design must be simple, both in implementation and
 
69
   interface. It is more important for the implementation to be
 
70
   simple than the interface. Simplicity is the most important
 
71
   consideration in a design.*
 
72
 
 
73
 - *Correctness: the design must be correct in all observable
 
74
   aspects. It is slightly better to be simple than correct.*
 
75
 
 
76
 
 
77
 - *Consistency: the design must not be overly inconsistent. Consistency
 
78
   can be sacrificed for simplicity in some cases, but it is better to
 
79
   drop those parts of the design that deal with less common
 
80
   circumstances than to introduce either implementational complexity
 
81
   or inconsistency.*
 
82
 
 
83
 - *Completeness: the design must cover as many important situations as
 
84
   is practical. All reasonably expected cases should be
 
85
   covered. Completeness can be sacrificed in favor of any other
 
86
   quality. In fact, completeness must sacrificed whenever implementation
 
87
   simplicity is jeopardized. Consistency can be sacrificed to achieve
 
88
   completeness if simplicity is retained; especially worthless is
 
89
   consistency of interface.*
 
90
 
 
91
* Try to get a reasonably tasteful balance between having something
 
92
  that works out of the box but also has composable parts.  Provide
 
93
  mechanism rather than policy but not to excess.
 
94
 
 
95
* Files have ids to let us detect renames without having to walk the
 
96
  whole path.  
 
97
 
 
98
  If there are conflicts in ids they can in principle be resolved.
 
99
  There might be a ``merge --by-name`` to allow you to force two trees
 
100
  into agreement on IDs.  If the merge sees two files with the same
 
101
  name and text then it should conclude that the files merged.
 
102
 
 
103
  It would be nice if there were some way to make repeated imports of
 
104
  the same tree give the same ids, but I don't think there is a safe
 
105
  feasible way.  Sometimes files start out the same but really should
 
106
  diverge; boilerplate files are one example. 
 
107
 
 
108
* Archives are just directories; if you can read/write the files in
 
109
  them you can do what you need.  This works even over http/sftp/etc.
 
110
  Or at least this should work for read-only access; perhaps for
 
111
  writing it is reasonable to require a svn+ssh style server invoked
 
112
  over a socket.  
 
113
 
 
114
  Of course people should not edit the files in there by hand but in
 
115
  an emergency it should be possible.
 
116
 
 
117
* Storing archives in plain directories means making some special
 
118
  effort to make sure they can be rolled back if the commit is
 
119
  interrupted any time.  On truly malicious filesystems (NFS) this may
 
120
  be quite difficult, but at a minimum it should be possible to roll
 
121
  back whatever was uncommitted and get to a reasonable state.  It
 
122
  should also be reasonably possible to mirror branches using rsync,
 
123
  which may transfer files in arbitrary order and cannot handle files
 
124
  changing while in flight.  
 
125
 
 
126
  Recovering from an interrupted commit may require a special ``bzr
 
127
  fix`` command, which should write the results to a new branch to
 
128
  avoid losing anything.
 
129
 
 
130
* Branches carry enough information to recreate any previous state of
 
131
  the branch (including its ancestors).  
 
132
 
 
133
  This does not necessarily mean holding the complete text of all
 
134
  those patches, but we do store at least a globally unique identifier
 
135
  so that we can retrieve them.
 
136
 
 
137
* Commands should correspond to svn or cvs as much as possible: add,
 
138
  get, copy, commit, diff, status, log, merge. 
 
139
 
 
140
* We have all the power of mirroring, but without needing to introduce
 
141
  special concepts or commands.  If you want somebody's branch
 
142
  available offline just copy it and keep updating to pull in their
 
143
  changes; if you never make any changes the updates will always
 
144
  succeed.
 
145
 
 
146
* It is useful to be able to easily undo a previous change by
 
147
  committing the opposite.  I had previously imagined requiring all
 
148
  patches to be stored in a reversible form but it's enough to just do
 
149
  backwards three-way merges.
 
150
 
 
151
* Patches have globally unique IDs which uniquely identify them.
 
152
 
 
153
* As a general principle we separate identification (which must be
 
154
  globally unique) from naming (which must be meaningful to users).
 
155
  Arch fuses them, which makes the human names long and prevents them
 
156
  ever being reused.  Monotone doesn't have human-friendly names.
 
157
 
 
158
* Users are identified by something like an email address;
 
159
  ``user@domain``.  This need not actually be a working email
 
160
  address; the point is just to piggyback on domain names to get
 
161
  human-readable globally unique names.
 
162
 
 
163
* Everything will be designed from the beginning to be safe and
 
164
  reasonable on Windows and Unix.
 
165
 
 
166
* History is append-only.  Patches are recorded along with the time at
 
167
  which they were committed; if time steps backwards then we give a
 
168
  warning (but probably commit anyhow.)  This means we can reliably
 
169
  reproduce the state of the branch at any previous point, just by
 
170
  backing out patches until we get back there.
 
171
  
 
172
  This is also true at a physical level as much as possible; once a
 
173
  patch is committed we do not overwrite it.  This should make it less
 
174
  likely that a failure will corrupt past history.  However, we may
 
175
  need some indexes which are updated rather than replaced; they
 
176
  should probably be atomically updated.
 
177
 
 
178
* Storage should be reasonably transparent, as much as possible.  (ie
 
179
  don't use SQLite or BDB.)  At the same time it should be reasonably
 
180
  efficient on a wide range of systems (ie don't require reiserfs to
 
181
  work well.)
 
182
  
 
183
  Programmers who look behind the covers should feel comfortable that
 
184
  their data is safe, and hopefully pleased that the design is
 
185
  elegant.
 
186
 
 
187
* Unrecognized files cause a warning when you try to commit, but you
 
188
  can still commit.  (Same behavior as CVS/Subversion; less discipline
 
189
  than Arch.)
 
190
 
 
191
  If you wish, you can change this to fail rather than just warn; this
 
192
  can be done as tree policy or as an option (eg ``commit --strict``)
 
193
 
 
194
* Files may be ignored by a glob; this can be applied globally (across
 
195
  the whole tree) or for a particular directory.  As a special
 
196
  convenience there is ``bzr ignore``. 
 
197
 
 
198
* If branches move location (e.g. to a new host or a different
 
199
  directory), then everyone who uses them needs to know the new URL by
 
200
  some out-of-band method.
 
201
 
 
202
* All operations on a branch or pair of branches can be done entirely
 
203
  with the information stored in those branches.  Bazaar-NG never needs to
 
204
  go and look at another branch, so we don't need unique branch names
 
205
  or to remember the location of branches.
 
206
 
 
207
* Store SHA-1 hashes of all patches, also store hashes of the tree
 
208
  state in each revision.  (We need some defined way to make a hash of
 
209
  a tree of files; for a start we can just cat them together in order
 
210
  by filename.)
 
211
  
 
212
  Hashes are stored in such a way that we can switch hash algorithms
 
213
  later if needed if SHA-1 is insecure.
 
214
 
 
215
* You can also sign the hashes of patches or trees.
 
216
 
 
217
* All branches carry all the patches leading up to their current
 
218
  state, so you can recreate any previous state of that branch,
 
219
  including the branches leading up to it.
 
220
 
 
221
* A branch has an append-only history of patches committed on this
 
222
  branch, and also an append-only history of patches that have been
 
223
  merged in.
 
224
 
 
225
* A commit log message file is present in .bzr-log all the time; you
 
226
  can add notes to it as you go along.  Some commands automatically
 
227
  add information to this file, such as when merging or reversing
 
228
  changes. 
 
229
  
 
230
  The first line of the message is used as the summary.
 
231
 
 
232
* Commands that make changes to the working copy will by default baulk
 
233
  if you have any uncommitted changes.  Such commands include ``merge``
 
234
  and ``reverse``.  This is done for two reasons: to avoid losing your
 
235
  changes in the case where the merge causes problems, and to try to
 
236
  keep merges relatively pure.  You can force it if you wish.
 
237
 
 
238
  (*pull* is possibly a special case; perhaps it should set aside
 
239
  local changes, update, and then reapply them/remerge them?)
 
240
 
 
241
* Within a branch, you can refer to commits by their sequence number;
 
242
  it's nice and friendly for the common case of looking at your
 
243
  commits in order.
 
244
 
 
245
* You can generate a changelog any time by looking at only local
 
246
  files.  Automatically including a changelog in every commit is
 
247
  redundant and so can be eliminated.  Of course if you want to
 
248
  manually maintain a changelog you can do that too.
 
249
 
 
250
* At the very least we should have ``undo`` as a reversible
 
251
  ``revert``.  It might be even better to have a totally general undo
 
252
  which will undo any operation; this is possible by keeping a journal
 
253
  of all changes.
 
254
 
 
255
* Perhaps eventually move to storing changesets in single text files,
 
256
  containing file diffs and also information on renames, etc.  The
 
257
  format should be similar to that of ``tla show-changeset``, but
 
258
  lossless. 
 
259
 
 
260
* Pristines are kept in the control directory; pristines are
 
261
  relatively expensive to recreate so we might want to keep more than
 
262
  one.  
 
263
 
 
264
  (Robert says that keeping pristines under there can cause trouble
 
265
  with people running recursive commands across the source tree, so
 
266
  there should probably be some other way to do it.  If pristines are
 
267
  identified by their hash then we can have a revlib without needing
 
268
  unique branch names.)
 
269
  
 
270
* Can probably still have cacherevs for revisions; ideally
 
271
  autogenerated in some sensible way.  We know the tree checksum for
 
272
  each revision and can make sure we cached the right thing.
 
273
 
 
274
* Bazaar-NG should ideally combine the best merging features of
 
275
  Bitkeeper and Arch: both cherry-picking and arbitrary merging within
 
276
  a graph.  The metaphor of a bazaar or souk is appropriate: many
 
277
  independent agents, exchanging selected patches at will.
 
278
 
 
279
* Code should be structured as a library plus a command-line client;
 
280
  the library could be called from any other client.  Therefore
 
281
  communication with the user should go through a layer, the library
 
282
  should not arbitrarily exit() or abort(), etc.
 
283
 
 
284
* Any of these details are open to change.  If you disagree, write and
 
285
  say so, sooner rather than later.  There will be a day in the future
 
286
  where we commit to compatibility, but that is a while off.
 
287
 
 
288
* Timestamps obviously need to be in UTC to be meaningful on the
 
289
  network.  I guess they should be displayed in localtime by default
 
290
  and you can change that by setting $TZ or perhaps some option like
 
291
  ``--utc``.  It might be cool to also capture the local time as an
 
292
  indicator of what the committer was doing.
 
293
 
 
294
* Should probably have some kind of progress indicator like --showdots
 
295
  that is easy to ignore when run from a program (especially an
 
296
  editor); that probably means avoiding tricks with carriage return.
 
297
  (That might be a problem on Windows too.)
 
298
 
 
299
* What date should be present on restored files?  We don't remember
 
300
  the date of individual files, but we could set the date for the
 
301
  entire commit.
 
302
 
 
303
* One important layer is concerned with reproducing a previous
 
304
  revision from a given branch; either the whole thing or just a
 
305
  particular file or subdirectory.  This is used in many different
 
306
  places.  We can potentially plug in different storage mechanisms
 
307
  that can do this; either a very transparent and simple file-based
 
308
  store as in darcs and arch, or perhaps a more tricky/fast
 
309
  database-based system.         
 
310
 
 
311
 
 
312
Entities and terminology
 
313
------------------------
 
314
 
 
315
The name of the project is *Bazaar-NG*; the top-level command is
 
316
``bzr``.
 
317
 
 
318
Branch
 
319
''''''
 
320
 
 
321
Development in Bazaar-NG takes places on branches.  A branch records
 
322
the progress of a *tree* through various *revisions* by the
 
323
accumulation of a series of *patches*.
 
324
 
 
325
We can point to a branch by specifying its *location*.  At first this
 
326
will be just a local directory name but it might grow to allow remote
 
327
URLs with various schemes.
 
328
 
 
329
Branches have a *name* which is for human convenience only; changesets
 
330
are permanently labelled with the name of the branch on which they
 
331
originated.  Branch names complement change descriptions by providing
 
332
a broader context for the purpose of the change.  Typically the branch
 
333
name will be the same as the last component of the directory or path.
 
334
 
 
335
There is no higher-level grouping than branches.  (Nothing that
 
336
corresponds to repositories in CVS or Subversion, or
 
337
archives/categories/versions in Arch.)  Of course it may be a good
 
338
practice to keep your branches organized into directories for each
 
339
project, just as you might do with tarballs or cvs working
 
340
directories.  
 
341
 
 
342
Bazaar-NG makes forking branches very easy and common.  
 
343
 
 
344
 
 
345
 
 
346
Revision
 
347
''''''''
 
348
 
 
349
The tree in a branch at a particular moment, after applying all the
 
350
patches up to that point.
 
351
 
 
352
 
 
353
File id
 
354
'''''''
 
355
 
 
356
A UUID for a versioned file, assigned by ``bzr add``.
 
357
 
 
358
 
 
359
Delta
 
360
'''''
 
361
 
 
362
A smart diff, containing:
 
363
 
 
364
* unidiff hunks for textual changes
 
365
 
 
366
* for each affected file, the file id and the name of that file before
 
367
  and after the delta (they will be the same if the file was not renamed)
 
368
 
 
369
* in future, possibly other information describing symlinks,
 
370
  permissions, etc
 
371
 
 
372
A delta can be generated by comparing two trees without needing any
 
373
additional input. 
 
374
 
 
375
Although deltas have some diff context that would allow fuzzy
 
376
application they are (almost?) always exactly applied to the correct
 
377
predecessor. 
 
378
 
 
379
 
 
380
Changeset
 
381
'''''''''
 
382
 
 
383
(also known as a patch)
 
384
 
 
385
A changeset represents a commit to a particular branch; it
 
386
incorporates a *delta* plus some header information such as the name
 
387
of the committer, the date of the commit, and the commit message.
 
388
 
 
389
 
 
390
Tree
 
391
''''
 
392
 
 
393
A tree of files and directories.  A branch minus the Bazaar-NG control files.
 
394
 
 
395
 
 
396
 
 
397
 
 
398
Syntax
 
399
------
 
400
 
 
401
Branches
 
402
''''''''
 
403
 
 
404
Branches are identified by their directory name or URL::
 
405
 
 
406
  bzr branch http://kernel.org/bzr/linux/linux-2.6
 
407
  bzr branch ./linux-2.6 ./linux-2.6-mbp-partitions
 
408
 
 
409
Branches have human-specified names used for tracing patches to their
 
410
origin.  By default this is the last component of the directory name. 
 
411
 
 
412
 
 
413
Revisions
 
414
'''''''''
 
415
 
 
416
Revisions within a branch may be identified by their sequence number
 
417
on that branch, or by a tag name::
 
418
 
 
419
  bzr branch ./linux-2.6@43 ./linux-2.6-old
 
420
  bzr branch ./linux-2.6@rel6.8.1 ./linux-2.6.8.1
 
421
 
 
422
You may also use the UUID of the patch or by the hash of that
 
423
revision, though sane humans should never (need to) use these::
 
424
 
 
425
  bzr log ./linux-2.6@uuid:6eaa1c41-34b8-4e0e-8819-acb5dfcabb78
 
426
  bzr log ./linux-2.6@hash:4bf00930372cce9716411b266d2e03494f7fe7aa
 
427
 
 
428
Revision ranges are given as two revisions separated by a colon (same
 
429
as Svn):
 
430
 
 
431
  bzr merge ../distcc-doc@4:10 
 
432
 
 
433
 
 
434
Authors
 
435
'''''''
 
436
 
 
437
Authors are identified by their email address, taken from ``$EMAIL``
 
438
or ``$BZR_EMAIL``.
 
439
 
 
440
 
 
441
 
 
442
 
 
443
Tree inventory
 
444
--------------
 
445
 
 
446
When a revision is committed, Bazaar-NG records an "inventory"  which
 
447
essentially says which version of each file should be assembled into
 
448
which location in the tree.  It also includes the SHA-1 hash and the
 
449
size of each file.
 
450
 
 
451
 
 
452
 
 
453
Merging
 
454
-------
 
455
 
 
456
Merges are carried out in Bazaar-NG by a three-way merge of trees.  Users
 
457
can choose to merge all changes from another branch, or a particular
 
458
subset of changes.  In either case Bazaar-NG chooses an appropriate
 
459
common base appropriately, although there should perhaps also be an
 
460
option to specify a different base.
 
461
 
 
462
I have not solved all the merge problems here.  I do think that this
 
463
design preserves as much information as possible about the history of
 
464
the code and so gives a good foundation for smart merging.
 
465
The basic merge operation is a 3-way diff: we have three files *BASE*,
 
466
*OTHER* and *MINE* and want to produce a result.  There are many
 
467
different tools that could be used to resolve this interactively or
 
468
automatically. 
 
469
 
 
470
There are some cases where the best base is not a state that ever
 
471
occurred on the two branches.  One such case is when there are two
 
472
branches that have both tracked an upstream branch but have never
 
473
previously synced with each other.  In this case we suggest that
 
474
people manually specify the base::
 
475
 
 
476
  bzr merge --base linus-2.6 my-2.6 
 
477
 
 
478
Merges most commonly happen on files, but can also occur on metadata.
 
479
For example we may need to resolve a conflict between file ids to
 
480
decide what name a file should have, or conversely which id it should
 
481
have.
 
482
 
 
483
When merging an entire branch, the base is chosen as the last revision
 
484
in which the trees manifests were identical.
 
485
 
 
486
If merging only selected revisions from a branch (ie cherry picking)
 
487
then the base is set just before the revisions to be merged.
 
488
 
 
489
A three-way merge operates on three inputs: THIS, OTHER, and a BASE.
 
490
Any regions which have been changed in only one of THIS and OTHER, or
 
491
changed the same way in both will be carried across automatically.
 
492
Regions which differ in all three trees are conflicts and must be
 
493
manually resolved.
 
494
 
 
495
The merge does not depend upon any states the trees may have
 
496
passed through in between the revisions that are merged. 
 
497
 
 
498
After the merge, the destination tree incorporates all the patches
 
499
from the branch region that was merged in.  
 
500
 
 
501
 
 
502
 
 
503
Sending patches by email
 
504
------------------------
 
505
 
 
506
Patches can be sent to someone else by email, just by posting the
 
507
string representation of the changeset.  Could also post the GPG
 
508
signature.
 
509
 
 
510
The changeset cannot itself contain its uniquely-identifying hash.
 
511
Therefore I suppose it needs some kind of super-header which says what
 
512
the patch id is; this can be verified by comparing it to the hash of
 
513
the actual changeset.  This in turn applies that the text must be
 
514
exactly preserved in email, so possibly we need some kind of
 
515
quoted-printable or ascii-armoured form.
 
516
 
 
517
Another approach would be to not use the hash as the id, but rather
 
518
something else which allows us to check the patch is actually what it
 
519
claims to be.  For example giving a GPG key id and a UUID would do
 
520
just as well, and *would* allow the id to be included within the
 
521
patch, as would giving an arch-style revision ID, assuming we can
 
522
either map the userid to a GPG key and/or check against a trusted
 
523
archive. 
 
524
 
 
525
There are two ways to apply such a received patch.  Ideally it tells
 
526
us a revision of our branch from which it was based, probably by
 
527
specifying the content hash.  We can use that as the base, make a
 
528
branch there, apply the patch perfectly, and then merge that branch
 
529
back in through a 3-way merge.  This gives a clean reconciliation of
 
530
changes in the patch against any local changes in the branch since the
 
531
base.
 
532
 
 
533
If we do not have the base for the patch we can try apply it using
 
534
a similar mechanism to regular patch, which might cause conflicts.  Or
 
535
maybe it is not worth special-casing this; we could just require
 
536
people to have the right basis to accept a patch.
 
537
 
 
538
 
 
539
 
 
540
Rewriting history
 
541
-----------------
 
542
 
 
543
History is generally append-only; once something is committed it
 
544
cannot be undone.  We need this to make several important guarantees
 
545
about being able to reconstruct previous versions, about patches being
 
546
consistent, and so on and on.
 
547
 
 
548
However, pragmatically, there are a few cases where people will insist
 
549
on being able to fudge it.  We need to accommodate those as best we
 
550
can, within the limits of causality.  In other words, what is
 
551
physically and logically possible should not be arbitrarily forbidden
 
552
by the software (though it might be enormously discouraged).
 
553
 
 
554
The basic transaction is a changeset/patch/commit.  There is little
 
555
value and hellish complexity in introducing meta-changesets or trying
 
556
to update already-committed changes.
 
557
 
 
558
 
 
559
Wrong commit message
 
560
''''''''''''''''''''
 
561
 
 
562
*Oops, I pressed Save too soon, and the commit message is wrong.*  This
 
563
happens all the time.
 
564
 
 
565
If no other branch has taken that change, there is no harm in fixing
 
566
the message.  Noticing the problem right away is probably a very
 
567
common case.
 
568
 
 
569
Therefore, you can change the descriptive text (but not any other
 
570
metadata) of a changeset in your tree.  This will not propagate to
 
571
anyone else who has already accepted the change.  Nothing will break,
 
572
but they'll still see the original (incorrect/incomplete) commit.
 
573
 
 
574
 
 
575
Committed confidential information
 
576
''''''''''''''''''''''''''''''''''
 
577
 
 
578
If you just added a file you didn't mean to add then you can simply
 
579
commit a second changeset to remove it again.  However, sometimes
 
580
people will accidentally commit sensitive/confidential information,
 
581
and they need to remove it from the history. 
 
582
 
 
583
If anyone else has already taken the changeset we can't prevent them
 
584
seeing or keeping the information.  You need to find them and ask them
 
585
nicely to remove it as well.  Similarly, if you've mirrored your
 
586
branch elsewhere you need to fix it up by hand.  This additional
 
587
manual work is a feature because it gives you some protection against
 
588
accidentally destroying the wrong thing.
 
589
 
 
590
A similar but related case is accidentally committing an enormous
 
591
file; you don't want it to hang around in the archive for ever.  (In
 
592
fact, it would need to be stored twice, once for the original commit
 
593
and again for a reversible remove changeset.)
 
594
 
 
595
Here is our suggestion for how to fix this: make a second branch from
 
596
just before the undesired commit, typically by specifying a timestamp.
 
597
If there are any later commits that need to be preserved, they can be
 
598
merged in too.  Possibly that will cause conflicts if they depended on
 
599
the removed changeset, and those changes then need to be resolved.
 
600
 
 
601
 
 
602
 
 
603
 
 
604
 
 
605
 
 
606
History truncation
 
607
------------------
 
608
 
 
609
(I don't think we should implement this soon, if at all, but people
 
610
might want to know it's possible.)
 
611
 
 
612
Bazaar-NG relies on each branch being able to recreate any of its
 
613
predecessor states.  This is needed to do really intelligent merging.
 
614
 
 
615
However, you might eventually get sick of keeping all the history
 
616
around forever.  Therefore, we can set a history horizon, ignoring all
 
617
patches before that point. 
 
618
 
 
619
The patches are still recorded as being merged but we do not keep the
 
620
text of the patches.  Perhaps we add them to a special list.  
 
621
 
 
622
Merges with a tree that have no history in common since the horizon
 
623
will be somewhat harder.
 
624
 
 
625
 
 
626
A development path
 
627
------------------
 
628
 
 
629
**See also work-log.txt for what I'm currently doing.**
 
630
 
 
631
* Start by still using Arch changeset format, do-changeset and delta
 
632
  commands, possibly also for merge.
 
633
 
 
634
* Don't do any merges automatically at first but rather just build
 
635
  some trees and let the user run dirdiff or something.
 
636
 
 
637
* Don't handle renames at first.
 
638
 
 
639
* Don't worry about actually being distributed yet; just work between
 
640
  local directories.  There are no conceptual problems with accessing
 
641
  remote directories.
 
642
 
 
643
 
 
644
Compared to others
 
645
------------------
 
646
 
 
647
* History cannot be rewritten, aside from a couple of special
 
648
  pragmatic cases.
 
649
 
 
650
* Allows cherry-picking, which is not possible on bk or most others.
 
651
 
 
652
* Allows merges within an arbitrary graph (rather than a line, star or
 
653
  tree), which can be done by bk but not by arch or others.
 
654
 
 
655
* History-sensitive merges allow safe repeated merges and mutual
 
656
  merges between parallel lines.
 
657
 
 
658
* Patches are labelled with the history of branches they traversed to
 
659
  their current location, which is previously unique to Arch.
 
660
 
 
661
* Would aim to be almost as small and simple as Quilt.
 
662
 
 
663
* Does not need archives to be registered.  
 
664
 
 
665
* Like darcs and bk, remembers the last archive you pulled from and
 
666
  uses this as the default.  Also as a bonus remembers all branches
 
667
  you previously pulled and their name, so that it is as if they were
 
668
  registered.
 
669
 
 
670
* Because patches do not change when they move around (as in Darcs),
 
671
  they can be cryptographically signed.
 
672
 
 
673
* Recognizes that textually non-conflicting merges may not be a
 
674
  correct merge and may not work, and so should not be auto-committed.
 
675
  The developer must have a chance to intervene after the merge and
 
676
  before a commit.  (I think Monotone is wrong on this.)
 
677
 
 
678
 
 
679
 
 
680
 
 
681
Best practices
 
682
--------------
 
683
 
 
684
We recommend that people using Bazaar-NG follow these practices and
 
685
protocols:
 
686
 
 
687
* Develop independent features in separate branches.  It's easier to
 
688
  keep them separate and merge later than to mix things together and
 
689
  then try to separate them.  Although cherry picking is possible,
 
690
  it's generally harder than keeping the code separate in the first
 
691
  place.
 
692
 
 
693
* Although you can merge in a graph, it can be easier to understand
 
694
  things if you keep them roughly sorted into a star of downstream and
 
695
  upstream branches.
 
696
 
 
697
* Merge off your laptop/workstation into a personal stable tree at
 
698
  regular changes; this protects against accidentally losing your
 
699
  development branch for any reason. 
 
700
 
 
701
* Try to have relatively "pure" merges: a single changeset that merges
 
702
  changes should make only those merges and any edits needed to fix
 
703
  them up. 
 
704
 
 
705
* You can use reStructuredText (like this document) for commit
 
706
  messages to allow nicer formatting and automatic detection of URLs,
 
707
  email addreses, lists, etc.  Nothing requires this.
 
708
 
 
709
 
 
710
 
 
711
Mechanics
 
712
---------
 
713
 
 
714
Patch format
 
715
''''''''''''
 
716
 
 
717
A patch (i.e. commit to a branch) exists at three levels:
 
718
 
 
719
* the hash of the patch, which is used as its globally-unique name
 
720
 
 
721
* the headers of the patch, including:
 
722
 
 
723
  - the human-readable name of the branch to which the changeset was committed
 
724
 
 
725
  - free-form comments about the changeset
 
726
 
 
727
  - the email address and name of the user who committed the changeset
 
728
 
 
729
  - the date when the changeset was committed to the branch
 
730
 
 
731
  - the UUIDs of any patches merged by this change
 
732
 
 
733
  - the hash of the before and after trees
 
734
 
 
735
  - the IDs of any files affected by the change, and their names
 
736
    before and after the change, and their hash before and after the
 
737
    change
 
738
 
 
739
* the actual text of the patch, which may include
 
740
 
 
741
  - unidiff hunks
 
742
 
 
743
  - xdeltas (in reversible pairs?)
 
744
 
 
745
  - complete files for adds/deletes, or for binaries
 
746
 
 
747
At the simplest level a branch knows just the IDs of all of the
 
748
patches committed to it.  More usually it will also have all their
 
749
logs or all their text.
 
750
 
 
751
Using the IDs, it can retrieve the patches when necessary from a
 
752
shared or external store.  By this means we can have many checkouts,
 
753
each of which looks like it holds all of its history, without actually
 
754
using a lot of space.  When pulling down a remote branch by default
 
755
everything will be mirrored, but there might be an option to only get
 
756
the inventory or only the logs. 
 
757
 
 
758
Keeping the relatively small header separate from the text makes it
 
759
easy to get only the header information from a remote machine.  One
 
760
might also when offline like to see only the logs but not necessarily
 
761
have the text.
 
762
 
 
763
Only the basic policy (keep everything everywhere) needs to be done in
 
764
the first release of course.
 
765
 
 
766
The headers need to be stored in some format that allows moderately
 
767
structured data.  Ideally it would be both human readable and
 
768
accessible from various languages.  In the prototype I think I'll use
 
769
Python data format, but that's probably not good in the long term.  It
 
770
may be better to use XML (tasteless though that is) or perhaps YAML or
 
771
RFC-2822 style.  Python data is probably not secure in the face of
 
772
untrusted patches.
 
773
 
 
774
The date should probably be shown in ISO form (unoptimal though that
 
775
is in some ways.)
 
776
 
 
777
 
 
778
 
 
779
  
 
780
 
 
781
Unresolved questions and other ideas
 
782
------------------------------------
 
783
 
 
784
 
 
785
Pulling in inexact matches
 
786
''''''''''''''''''''''''''
 
787
 
 
788
If ``update`` pulls in patches noninteractively onto the history, then
 
789
there are some issues with patches that do not exactly match.  Some
 
790
consequences:
 
791
 
 
792
* You may pull in a patch which causes your tree to semantically
 
793
  break.  This might be avoided by having a test case which is checked
 
794
  before committing.
 
795
 
 
796
* The patch may fuzzily apply; this is OK. 
 
797
 
 
798
If we pull in a patch from elsewhere then we will have a signature on
 
799
the patch but not a signature for the whole cacherev. 
 
800
 
 
801
 
 
802
 
 
803
 
 
804
Have pristines/working directory by default?
 
805
''''''''''''''''''''''''''''''''''''''''''''
 
806
 
 
807
It seems a bit redundant to have two copies of the current version of
 
808
each file in every repository, even ones in which you'll never edit.
 
809
Some fixes are possible:
 
810
 
 
811
* don't create working copy files 
 
812
 
 
813
* hard link working copies into pristine directory (can detect
 
814
  corruption by having SHA-1 sums for all pristine files)
 
815
 
 
816
I think it's reasonable to have 
 
817
 
 
818
 
 
819
 
 
820
Directory name
 
821
''''''''''''''
 
822
 
 
823
We have a single metadata directory at the top-level of the tree: ``.bzr``.
 
824
There is no value in having it non-hidden, because it can't be seen
 
825
from subdirectories anyhow.  Apparently three-letter names after a dot
 
826
are fine on Windows -- it works for ``.svn``.
 
827
 
 
828
 
 
829
File encodings
 
830
''''''''''''''
 
831
 
 
832
Unicode, line endings, etc.  Ignore this for now?
 
833
 
 
834
Case-insensitive file names?  Maybe follow Darcs in forbidding files
 
835
that differ only in case.
 
836
 
 
837
 
 
838
Always use 3-way merge
 
839
''''''''''''''''''''''
 
840
 
 
841
I think using .rej files and fuzzy patches is confusing/unhelpful.  
 
842
 
 
843
I would like to use 3-way merges between appropriate coordinates as
 
844
the fundamental mechanism for all 'merge'-type operations.  
 
845
 
 
846
Is there any case where .rej files are more useful?  Why would you
 
847
ever want that?  Some people seem to `prefer them`__ in Arch.
 
848
 
 
849
__ http://wiki.gnuarch.org/moin.cgi/Process_20_2a_2erej_20files 
 
850
 
 
851
I guess when cherry-picking you might not be able to find an
 
852
appropriate ancestor for diff3?  I think you can; anyhow wiggle can
 
853
transform rejects into diff3-style conflicts so why not do that?
 
854
 
 
855
Miles says there that he prefers .rej files to conflict markers
 
856
because they give better results for complex conflicts. 
 
857
 
 
858
Perhaps we should just always produce both and let people use whatever
 
859
they want.
 
860
 
 
861
Another suggestion is the *rej_* tool, which helps fix up simple
 
862
rejects:
 
863
 
 
864
  There are four basic rejects fixable via rej.
 
865
 
 
866
  1) missing context at the top or bottom of the hunk
 
867
  2) different context in the middle of the hunk
 
868
  3) slightly different lines removed by the hunk than exist in the file
 
869
  4) Large hunks that might apply if they were broken up into smaller ones.
 
870
 
 
871
.. _rej: ftp://ftp.suse.com/pub/people/mason/rej/
 
872
 
 
873
 
 
874
Mirroring
 
875
'''''''''
 
876
 
 
877
One reason people say they like archives is that all new work in that
 
878
archive will be automatically mirrored off your laptop, if it's
 
879
already set up to mirror that archive.
 
880
 
 
881
 
 
882
 
 
883
Control files out of tree
 
884
'''''''''''''''''''''''''
 
885
 
 
886
Some people would like to have absolutely no control files in their
 
887
tree.  This is conceptually easy as long as we can find both the
 
888
control files and working directory when a command is run.
 
889
 
 
890
As a first step, the ``.bzr`` directory can be replaced by a symlink,
 
891
which will prevent recursive commands looking into it.  Another
 
892
approach is to put all actual source in a subdirectory of the tree, so
 
893
that you never need to see the directory unless you look above the
 
894
ceiling.
 
895
 
 
896
If this is not enough, we might ask them to have an environment
 
897
variable point to the control files, or have a map somewhere
 
898
associating working directories with their control files.
 
899
Unfortunately both of those seem likely to come loose and whip around
 
900
dangerously.
 
901
 
 
902
 
 
903
Representation of changesets
 
904
''''''''''''''''''''''''''''
 
905
 
 
906
Using patches is nice for plain text files.  In general we want the
 
907
old and new names to correspond, but these are only for decoration;
 
908
the file id determines where the patch really goes.
 
909
 
 
910
* Should they be reversible?
 
911
 
 
912
* How to represent binary diffs?
 
913
 
 
914
* How to represent adds/removes?
 
915
 
 
916
* How to zip up multiple changes into a single bundle?
 
917
 
 
918
Reversibility is very important.  We do not need it for regular
 
919
merges, since we can always recover the previous state.  We do need it
 
920
for application of isolated patches, since we may not be able to
 
921
recover the prior state.  It might also help when building a previous
 
922
tree state.  
 
923
 
 
924
Of course we can have an option to show deletes or to make the diff
 
925
reversible even if it normally is not.
 
926
 
 
927
It is very nice that plain diffs can be concatenated into a single
 
928
text file.  This is not easily possible with binary files, xdeltas,
 
929
etc.  Of course it is uncommon to display binary deltas directly or
 
930
mail them, but if mailing is really required we could use base64 or
 
931
MIME.
 
932
 
 
933
Perhaps it would be reasonable to just store xdeltas between versions.
 
934
 
 
935
Perhaps each changeset body should be a tar or zip holding the
 
936
patches, though in simpler form than Arch.
 
937
 
 
938
(Since these are free choices, perhaps stick closely to what Arch
 
939
does?)
 
940
 
 
941
 
 
942
Continuations
 
943
'''''''''''''
 
944
 
 
945
Do we need the generalized continuations currently present in Arch, or
 
946
will a more restricted type do?  
 
947
 
 
948
One use case for arch continuation tags is to make a release branch
 
949
which contains only tags from the development branch.
 
950
 
 
951
Maybe want darcs-style tags which just label the tree at various
 
952
points; more familiar to users perhaps?
 
953
 
 
954
::
 
955
 
 
956
    bzr fork http://samba.org/bzr/samba/main ./my-samba
 
957
 
 
958
1. creates directory my-samba
 
959
2. copies contents of samba main branch
 
960
3. the parent becomes samba-main
 
961
4. parent is the default place you'll pull from & push to
 
962
   
 
963
Is there a difference between "contains stuff from samba-main" and "is
 
964
branched from samba-main"?
 
965
 
 
966
 
 
967
 
 
968
File split/merge
 
969
''''''''''''''''
 
970
 
 
971
Is there any sense in having a command to copy a file, or to rejoin
 
972
several files with different IDs?
 
973
 
 
974
Joining might be useful when the same tree is imported several times,
 
975
or the same new-file operation is done in different trees.
 
976
 
 
977
 
 
978
 
 
979
Time skew
 
980
'''''''''
 
981
 
 
982
Local clocks can be wrong when they record a commit.  This means that
 
983
changes may be irrevocably recorded with the wrong time, and that in
 
984
turn means that later changes may seem to come from before earlier
 
985
changes.  We can give a warning at the later time, but short of
 
986
refusing the commit there is not much we can do about it.
 
987
 
 
988
 
 
989
Annotate/blame/praise
 
990
---------------------
 
991
 
 
992
``cvs annotate`` is pretty useful for understanding the history of
 
993
development.  At the same time it is not quite trivial to implement,
 
994
so I plan to make sure all the necessary data is easily accessible and
 
995
then defer actually writing it.  Possibly the most complicated part is
 
996
something to read in a diff and find which lines came from where. 
 
997
 
 
998
What we need is a way to easily follow back through the history of a
 
999
file, this is easily done by walking back along the branch.  Since we
 
1000
have revision numbers within a branch we have a short label which can
 
1001
be put against each line; we can also put a key at the bottom with
 
1002
some fields from each revision showing the committer and comment.
 
1003
 
 
1004
For the case of merge commits people might be interested to know which
 
1005
merged patch brought in a change.  We cannot do this completely
 
1006
accurately since we don't know what the person did during the manual
 
1007
resolution of the merge, but by looking for identical lines we can
 
1008
probably get very close.  We can at the very least tell people the
 
1009
hash of all patches that were merged in so they can go and have a look
 
1010
at them.
 
1011
 
 
1012
 
 
1013
 
 
1014
Performance
 
1015
-----------
 
1016
 
 
1017
I think nothing here requires loading the whole tree into memory, as
 
1018
Darcs does.  We can detect renames and then diff files one by one.
 
1019
 
 
1020
Because patches cannot change or be removed once they are committed or
 
1021
merged, we do not need to diff the patch-log, which is a problem in
 
1022
Arch.
 
1023
 
 
1024
We do need to hold the whole list of patches in memory at various
 
1025
points but that should be at most perhaps 100,000 commits.
 
1026
 
 
1027
We do need to pull down all patches since forever but that's not too
 
1028
unreasonable.
 
1029
 
 
1030
Most heavy lifting can be done by GNU diff, patch and diff3, which are
 
1031
hopefully fast.
 
1032
 
 
1033
Patches should be reasonably proportionate to the actual size of
 
1034
changes, not to the total size of the tree -- we should only list the
 
1035
hash and id for files that were touched by the change.  This implies
 
1036
that generating the manifest for any given revision means walking from
 
1037
the start of history to that revision.   Of course we can cache that
 
1038
manifest without necessarily caching the whole revision.
 
1039
 
 
1040
* The dominant effect on performance in many cases will be network
 
1041
  round-trips; as Tom says "every one is like punching your user in
 
1042
  the face."
 
1043
 
 
1044
  The network protocol can/should try to avoid them.
 
1045
 
 
1046
  However, here's an even lazier idea: by making it possible to use
 
1047
  rsync for moving trees around, we get an insanely pipelined protocol
 
1048
  *for free*.
 
1049
 
 
1050
  It's not always suitable (as when committing to a central tree), but
 
1051
  it will often work.  Cool!
 
1052
 
 
1053
  Safely using rsync probably requires user intervention to make sure
 
1054
  that the tree is idle at the time the command runs; otherwise the
 
1055
  ordering of files arriving makes it really hard to know that we have
 
1056
  a consistent state.  I guess we can just ignore patches that are
 
1057
  missing...
 
1058
 
 
1059
 
 
1060
Hashing
 
1061
-------
 
1062
 
 
1063
It might be nice to present hashes in BubbleBabble or some similar
 
1064
form to make it a bit easier on humans who have to see them.  This can
 
1065
of course be translated to and from binary.  On the other hand there
 
1066
is something in favour of regular strings that can be easily verified
 
1067
with other tools.
 
1068
 
 
1069
We can have a Henson Mode in which it never trusts that files with the
 
1070
same hash are identical but always checks it.  Of course if SHA-1 is
 
1071
broken then GPG will probably be broken too...
 
1072
 
 
1073
Comparison:
 
1074
 
 
1075
binary:
 
1076
  20 bytes
 
1077
bubblebabble
 
1078
  > xizif-segim-vipyz-dyzak-gatas-sifet-dynir-gegon-borad-cetit-tixux
 
1079
  65 bytes
 
1080
base64:
 
1081
  > qvTGHdzF6KLavt4PO0gs2a6pQ00=
 
1082
  28 bytes
 
1083
hex:
 
1084
  > aaf4c61ddcc5e8a2dabede0f3b482cd9aea9434d
 
1085
  40 bytes
 
1086
 
 
1087
Hex is probably the most reasonable tradeoff.
 
1088
 
 
1089
 
 
1090
File metadata
 
1091
-------------
 
1092
 
 
1093
I don't want to get into general versioning of file metadata like
 
1094
permissions, at least in the first version; it's hard to say what
 
1095
should be propagated and what should not be.  This is a source code
 
1096
control system.
 
1097
 
 
1098
It may be useful to carry some very restricted bits, like *read only*
 
1099
or *executable*; I think these are harmless.
 
1100
 
 
1101
The only case where people generally want to remember permissions and
 
1102
ownership is when versioning ``/etc``, which is quite a special case.
 
1103
Perhaps this should be deferred to a special script such as the
 
1104
``cvs-conf`` package.
 
1105
 
 
1106
 
 
1107
Faster comparisons
 
1108
------------------
 
1109
 
 
1110
There are many cases where we need to compare trees; perhaps the most
 
1111
common is just diffing the tree to see what changed.  For small to
 
1112
medium trees it is OK to just diff everything in the tree, and we can
 
1113
do just this in the first version.  This runs into trouble for
 
1114
kernel-sized trees, where reading every 
 
1115
 
 
1116
 
 
1117
Fear of forking
 
1118
---------------
 
1119
 
 
1120
There is some fear that distributed version control (many branches)
 
1121
will encourage projects to fork.  I don't think this is necessarily
 
1122
true of Bazaar.
 
1123
 
 
1124
A fundamental principle of Bazaar is that is not the tool's place to
 
1125
make you run a project a particular way.  The tool enables you to do
 
1126
what you want.  The documentation and community might suggest some
 
1127
practices that have been useful for other projects, but the choice is
 
1128
up to you.  There are principles for running open source projects that
 
1129
are useful regardless of tool, and Bazaar supports them.  They include
 
1130
encouraging new contributors, building community, managing a good
 
1131
release schedule and so on, but I won't enumerate them all here (and I
 
1132
don't claim to know them all.)
 
1133
 
 
1134
Bazaar reduces some pressures that can lead to forking.  There need
 
1135
not be fights about who gets commit access: everyone can have a branch
 
1136
and they can contribute their changes.  Radical new development can
 
1137
occur on one branch while stabilization occurs on another and a new
 
1138
feature or port on a third.  Both creating the branches and merging
 
1139
between them should be easier in the Bazaar than with existing
 
1140
systems.  (Though of course there may be technical difficulties that
 
1141
no tool can totally remove.)
 
1142
 
 
1143
Sometimes there really is a time for a fork, for various reasons:
 
1144
irreconcilable differences on technical direction or personality.  If
 
1145
that happens, Bazaar makes the break less total: the projects can
 
1146
still merge patches, share bug fixes and features, and even eventually
 
1147
reunite.
 
1148
 
 
1149
 
 
1150
Why a new project?
 
1151
------------------
 
1152
 
 
1153
A key goal is simplicity and user-friendliness; this is easier to
 
1154
build into a new tool than to fix in an existing tool.  Nevertheless
 
1155
we want to provide a smooth upgrade path from Arch, CVS, and other
 
1156
systems.
 
1157
 
 
1158
 
 
1159
References
 
1160
----------
 
1161
 
 
1162
* http://www.dwheeler.com/essays/scm.html
 
1163
 
 
1164
  Good analysis; should try to address everything there in a way he will like.
 
1165
 
 
1166
 
 
1167
.. Local variables:
 
1168
.. mode: indented-text
 
1169
.. End:
 
1170
 
 
1171
.. Would like to use rst-mode, but it's too slow on a document of this
 
1172
.. size.
 
 
b'\\ No newline at end of file'