~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

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