Add a sample program 'blameview' to show how to use git-blame --incremental
[git/jrn.git] / Documentation / core-intro.txt
blob0458dc3d0263d40854e07d1a8ac53d1ec88379e7
1 ////////////////////////////////////////////////////////////////
3         GIT - the stupid content tracker
5 ////////////////////////////////////////////////////////////////
7 "git" can mean anything, depending on your mood.
9  - random three-letter combination that is pronounceable, and not
10    actually used by any common UNIX command.  The fact that it is a
11    mispronunciation of "get" may or may not be relevant.
12  - stupid. contemptible and despicable. simple. Take your pick from the
13    dictionary of slang.
14  - "global information tracker": you're in a good mood, and it actually
15    works for you. Angels sing, and a light suddenly fills the room.
16  - "goddamn idiotic truckload of sh*t": when it breaks
18 This is a (not so) stupid but extremely fast directory content manager.
19 It doesn't do a whole lot at its core, but what it 'does' do is track
20 directory contents efficiently.
22 There are two object abstractions: the "object database", and the
23 "current directory cache" aka "index".
25 The Object Database
26 ~~~~~~~~~~~~~~~~~~~
27 The object database is literally just a content-addressable collection
28 of objects.  All objects are named by their content, which is
29 approximated by the SHA1 hash of the object itself.  Objects may refer
30 to other objects (by referencing their SHA1 hash), and so you can
31 build up a hierarchy of objects.
33 All objects have a statically determined "type" aka "tag", which is
34 determined at object creation time, and which identifies the format of
35 the object (i.e. how it is used, and how it can refer to other
36 objects).  There are currently four different object types: "blob",
37 "tree", "commit" and "tag".
39 A "blob" object cannot refer to any other object, and is, like the type
40 implies, a pure storage object containing some user data.  It is used to
41 actually store the file data, i.e. a blob object is associated with some
42 particular version of some file.
44 A "tree" object is an object that ties one or more "blob" objects into a
45 directory structure. In addition, a tree object can refer to other tree
46 objects, thus creating a directory hierarchy.
48 A "commit" object ties such directory hierarchies together into
49 a DAG of revisions - each "commit" is associated with exactly one tree
50 (the directory hierarchy at the time of the commit). In addition, a
51 "commit" refers to one or more "parent" commit objects that describe the
52 history of how we arrived at that directory hierarchy.
54 As a special case, a commit object with no parents is called the "root"
55 object, and is the point of an initial project commit.  Each project
56 must have at least one root, and while you can tie several different
57 root objects together into one project by creating a commit object which
58 has two or more separate roots as its ultimate parents, that's probably
59 just going to confuse people.  So aim for the notion of "one root object
60 per project", even if git itself does not enforce that.
62 A "tag" object symbolically identifies and can be used to sign other
63 objects. It contains the identifier and type of another object, a
64 symbolic name (of course!) and, optionally, a signature.
66 Regardless of object type, all objects share the following
67 characteristics: they are all deflated with zlib, and have a header
68 that not only specifies their type, but also provides size information
69 about the data in the object.  It's worth noting that the SHA1 hash
70 that is used to name the object is the hash of the original data
71 plus this header, so `sha1sum` 'file' does not match the object name
72 for 'file'.
73 (Historical note: in the dawn of the age of git the hash
74 was the sha1 of the 'compressed' object.)
76 As a result, the general consistency of an object can always be tested
77 independently of the contents or the type of the object: all objects can
78 be validated by verifying that (a) their hashes match the content of the
79 file and (b) the object successfully inflates to a stream of bytes that
80 forms a sequence of <ascii type without space> + <space> + <ascii decimal
81 size> + <byte\0> + <binary object data>.
83 The structured objects can further have their structure and
84 connectivity to other objects verified. This is generally done with
85 the `git-fsck-objects` program, which generates a full dependency graph
86 of all objects, and verifies their internal consistency (in addition
87 to just verifying their superficial consistency through the hash).
89 The object types in some more detail:
91 Blob Object
92 ~~~~~~~~~~~
93 A "blob" object is nothing but a binary blob of data, and doesn't
94 refer to anything else.  There is no signature or any other
95 verification of the data, so while the object is consistent (it 'is'
96 indexed by its sha1 hash, so the data itself is certainly correct), it
97 has absolutely no other attributes.  No name associations, no
98 permissions.  It is purely a blob of data (i.e. normally "file
99 contents").
101 In particular, since the blob is entirely defined by its data, if two
102 files in a directory tree (or in multiple different versions of the
103 repository) have the same contents, they will share the same blob
104 object. The object is totally independent of its location in the
105 directory tree, and renaming a file does not change the object that
106 file is associated with in any way.
108 A blob is typically created when gitlink:git-update-index[1]
109 is run, and its data can be accessed by gitlink:git-cat-file[1].
111 Tree Object
112 ~~~~~~~~~~~
113 The next hierarchical object type is the "tree" object.  A tree object
114 is a list of mode/name/blob data, sorted by name.  Alternatively, the
115 mode data may specify a directory mode, in which case instead of
116 naming a blob, that name is associated with another TREE object.
118 Like the "blob" object, a tree object is uniquely determined by the
119 set contents, and so two separate but identical trees will always
120 share the exact same object. This is true at all levels, i.e. it's
121 true for a "leaf" tree (which does not refer to any other trees, only
122 blobs) as well as for a whole subdirectory.
124 For that reason a "tree" object is just a pure data abstraction: it
125 has no history, no signatures, no verification of validity, except
126 that since the contents are again protected by the hash itself, we can
127 trust that the tree is immutable and its contents never change.
129 So you can trust the contents of a tree to be valid, the same way you
130 can trust the contents of a blob, but you don't know where those
131 contents 'came' from.
133 Side note on trees: since a "tree" object is a sorted list of
134 "filename+content", you can create a diff between two trees without
135 actually having to unpack two trees.  Just ignore all common parts,
136 and your diff will look right.  In other words, you can effectively
137 (and efficiently) tell the difference between any two random trees by
138 O(n) where "n" is the size of the difference, rather than the size of
139 the tree.
141 Side note 2 on trees: since the name of a "blob" depends entirely and
142 exclusively on its contents (i.e. there are no names or permissions
143 involved), you can see trivial renames or permission changes by
144 noticing that the blob stayed the same.  However, renames with data
145 changes need a smarter "diff" implementation.
147 A tree is created with gitlink:git-write-tree[1] and
148 its data can be accessed by gitlink:git-ls-tree[1].
149 Two trees can be compared with gitlink:git-diff-tree[1].
151 Commit Object
152 ~~~~~~~~~~~~~
153 The "commit" object is an object that introduces the notion of
154 history into the picture.  In contrast to the other objects, it
155 doesn't just describe the physical state of a tree, it describes how
156 we got there, and why.
158 A "commit" is defined by the tree-object that it results in, the
159 parent commits (zero, one or more) that led up to that point, and a
160 comment on what happened.  Again, a commit is not trusted per se:
161 the contents are well-defined and "safe" due to the cryptographically
162 strong signatures at all levels, but there is no reason to believe
163 that the tree is "good" or that the merge information makes sense.
164 The parents do not have to actually have any relationship with the
165 result, for example.
167 Note on commits: unlike real SCM's, commits do not contain
168 rename information or file mode change information.  All of that is
169 implicit in the trees involved (the result tree, and the result trees
170 of the parents), and describing that makes no sense in this idiotic
171 file manager.
173 A commit is created with gitlink:git-commit-tree[1] and
174 its data can be accessed by gitlink:git-cat-file[1].
176 Trust
177 ~~~~~
178 An aside on the notion of "trust". Trust is really outside the scope
179 of "git", but it's worth noting a few things.  First off, since
180 everything is hashed with SHA1, you 'can' trust that an object is
181 intact and has not been messed with by external sources.  So the name
182 of an object uniquely identifies a known state - just not a state that
183 you may want to trust.
185 Furthermore, since the SHA1 signature of a commit refers to the
186 SHA1 signatures of the tree it is associated with and the signatures
187 of the parent, a single named commit specifies uniquely a whole set
188 of history, with full contents.  You can't later fake any step of the
189 way once you have the name of a commit.
191 So to introduce some real trust in the system, the only thing you need
192 to do is to digitally sign just 'one' special note, which includes the
193 name of a top-level commit.  Your digital signature shows others
194 that you trust that commit, and the immutability of the history of
195 commits tells others that they can trust the whole history.
197 In other words, you can easily validate a whole archive by just
198 sending out a single email that tells the people the name (SHA1 hash)
199 of the top commit, and digitally sign that email using something
200 like GPG/PGP.
202 To assist in this, git also provides the tag object...
204 Tag Object
205 ~~~~~~~~~~
206 Git provides the "tag" object to simplify creating, managing and
207 exchanging symbolic and signed tokens.  The "tag" object at its
208 simplest simply symbolically identifies another object by containing
209 the sha1, type and symbolic name.
211 However it can optionally contain additional signature information
212 (which git doesn't care about as long as there's less than 8k of
213 it). This can then be verified externally to git.
215 Note that despite the tag features, "git" itself only handles content
216 integrity; the trust framework (and signature provision and
217 verification) has to come from outside.
219 A tag is created with gitlink:git-mktag[1],
220 its data can be accessed by gitlink:git-cat-file[1],
221 and the signature can be verified by
222 gitlink:git-verify-tag[1].
225 The "index" aka "Current Directory Cache"
226 -----------------------------------------
227 The index is a simple binary file, which contains an efficient
228 representation of a virtual directory content at some random time.  It
229 does so by a simple array that associates a set of names, dates,
230 permissions and content (aka "blob") objects together.  The cache is
231 always kept ordered by name, and names are unique (with a few very
232 specific rules) at any point in time, but the cache has no long-term
233 meaning, and can be partially updated at any time.
235 In particular, the index certainly does not need to be consistent with
236 the current directory contents (in fact, most operations will depend on
237 different ways to make the index 'not' be consistent with the directory
238 hierarchy), but it has three very important attributes:
240 '(a) it can re-generate the full state it caches (not just the
241 directory structure: it contains pointers to the "blob" objects so
242 that it can regenerate the data too)'
244 As a special case, there is a clear and unambiguous one-way mapping
245 from a current directory cache to a "tree object", which can be
246 efficiently created from just the current directory cache without
247 actually looking at any other data.  So a directory cache at any one
248 time uniquely specifies one and only one "tree" object (but has
249 additional data to make it easy to match up that tree object with what
250 has happened in the directory)
252 '(b) it has efficient methods for finding inconsistencies between that
253 cached state ("tree object waiting to be instantiated") and the
254 current state.'
256 '(c) it can additionally efficiently represent information about merge
257 conflicts between different tree objects, allowing each pathname to be
258 associated with sufficient information about the trees involved that
259 you can create a three-way merge between them.'
261 Those are the three ONLY things that the directory cache does.  It's a
262 cache, and the normal operation is to re-generate it completely from a
263 known tree object, or update/compare it with a live tree that is being
264 developed.  If you blow the directory cache away entirely, you generally
265 haven't lost any information as long as you have the name of the tree
266 that it described.
268 At the same time, the index is at the same time also the
269 staging area for creating new trees, and creating a new tree always
270 involves a controlled modification of the index file.  In particular,
271 the index file can have the representation of an intermediate tree that
272 has not yet been instantiated.  So the index can be thought of as a
273 write-back cache, which can contain dirty information that has not yet
274 been written back to the backing store.
278 The Workflow
279 ------------
280 Generally, all "git" operations work on the index file. Some operations
281 work *purely* on the index file (showing the current state of the
282 index), but most operations move data to and from the index file. Either
283 from the database or from the working directory. Thus there are four
284 main combinations:
286 1) working directory -> index
287 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
289 You update the index with information from the working directory with
290 the gitlink:git-update-index[1] command.  You
291 generally update the index information by just specifying the filename
292 you want to update, like so:
294         git-update-index filename
296 but to avoid common mistakes with filename globbing etc, the command
297 will not normally add totally new entries or remove old entries,
298 i.e. it will normally just update existing cache entries.
300 To tell git that yes, you really do realize that certain files no
301 longer exist, or that new files should be added, you
302 should use the `--remove` and `--add` flags respectively.
304 NOTE! A `--remove` flag does 'not' mean that subsequent filenames will
305 necessarily be removed: if the files still exist in your directory
306 structure, the index will be updated with their new status, not
307 removed. The only thing `--remove` means is that update-cache will be
308 considering a removed file to be a valid thing, and if the file really
309 does not exist any more, it will update the index accordingly.
311 As a special case, you can also do `git-update-index --refresh`, which
312 will refresh the "stat" information of each index to match the current
313 stat information. It will 'not' update the object status itself, and
314 it will only update the fields that are used to quickly test whether
315 an object still matches its old backing store object.
317 2) index -> object database
318 ~~~~~~~~~~~~~~~~~~~~~~~~~~~
320 You write your current index file to a "tree" object with the program
322         git-write-tree
324 that doesn't come with any options - it will just write out the
325 current index into the set of tree objects that describe that state,
326 and it will return the name of the resulting top-level tree. You can
327 use that tree to re-generate the index at any time by going in the
328 other direction:
330 3) object database -> index
331 ~~~~~~~~~~~~~~~~~~~~~~~~~~~
333 You read a "tree" file from the object database, and use that to
334 populate (and overwrite - don't do this if your index contains any
335 unsaved state that you might want to restore later!) your current
336 index.  Normal operation is just
338                 git-read-tree <sha1 of tree>
340 and your index file will now be equivalent to the tree that you saved
341 earlier. However, that is only your 'index' file: your working
342 directory contents have not been modified.
344 4) index -> working directory
345 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
347 You update your working directory from the index by "checking out"
348 files. This is not a very common operation, since normally you'd just
349 keep your files updated, and rather than write to your working
350 directory, you'd tell the index files about the changes in your
351 working directory (i.e. `git-update-index`).
353 However, if you decide to jump to a new version, or check out somebody
354 else's version, or just restore a previous tree, you'd populate your
355 index file with read-tree, and then you need to check out the result
356 with
358                 git-checkout-index filename
360 or, if you want to check out all of the index, use `-a`.
362 NOTE! git-checkout-index normally refuses to overwrite old files, so
363 if you have an old version of the tree already checked out, you will
364 need to use the "-f" flag ('before' the "-a" flag or the filename) to
365 'force' the checkout.
368 Finally, there are a few odds and ends which are not purely moving
369 from one representation to the other:
371 5) Tying it all together
372 ~~~~~~~~~~~~~~~~~~~~~~~~
373 To commit a tree you have instantiated with "git-write-tree", you'd
374 create a "commit" object that refers to that tree and the history
375 behind it - most notably the "parent" commits that preceded it in
376 history.
378 Normally a "commit" has one parent: the previous state of the tree
379 before a certain change was made. However, sometimes it can have two
380 or more parent commits, in which case we call it a "merge", due to the
381 fact that such a commit brings together ("merges") two or more
382 previous states represented by other commits.
384 In other words, while a "tree" represents a particular directory state
385 of a working directory, a "commit" represents that state in "time",
386 and explains how we got there.
388 You create a commit object by giving it the tree that describes the
389 state at the time of the commit, and a list of parents:
391         git-commit-tree <tree> -p <parent> [-p <parent2> ..]
393 and then giving the reason for the commit on stdin (either through
394 redirection from a pipe or file, or by just typing it at the tty).
396 git-commit-tree will return the name of the object that represents
397 that commit, and you should save it away for later use. Normally,
398 you'd commit a new `HEAD` state, and while git doesn't care where you
399 save the note about that state, in practice we tend to just write the
400 result to the file pointed at by `.git/HEAD`, so that we can always see
401 what the last committed state was.
403 Here is an ASCII art by Jon Loeliger that illustrates how
404 various pieces fit together.
406 ------------
408                      commit-tree
409                       commit obj
410                        +----+
411                        |    |
412                        |    |
413                        V    V
414                     +-----------+
415                     | Object DB |
416                     |  Backing  |
417                     |   Store   |
418                     +-----------+
419                        ^
420            write-tree  |     |
421              tree obj  |     |
422                        |     |  read-tree
423                        |     |  tree obj
424                              V
425                     +-----------+
426                     |   Index   |
427                     |  "cache"  |
428                     +-----------+
429          update-index  ^
430              blob obj  |     |
431                        |     |
432     checkout-index -u  |     |  checkout-index
433              stat      |     |  blob obj
434                              V
435                     +-----------+
436                     |  Working  |
437                     | Directory |
438                     +-----------+
440 ------------
443 6) Examining the data
444 ~~~~~~~~~~~~~~~~~~~~~
446 You can examine the data represented in the object database and the
447 index with various helper tools. For every object, you can use
448 gitlink:git-cat-file[1] to examine details about the
449 object:
451                 git-cat-file -t <objectname>
453 shows the type of the object, and once you have the type (which is
454 usually implicit in where you find the object), you can use
456                 git-cat-file blob|tree|commit|tag <objectname>
458 to show its contents. NOTE! Trees have binary content, and as a result
459 there is a special helper for showing that content, called
460 `git-ls-tree`, which turns the binary content into a more easily
461 readable form.
463 It's especially instructive to look at "commit" objects, since those
464 tend to be small and fairly self-explanatory. In particular, if you
465 follow the convention of having the top commit name in `.git/HEAD`,
466 you can do
468                 git-cat-file commit HEAD
470 to see what the top commit was.
472 7) Merging multiple trees
473 ~~~~~~~~~~~~~~~~~~~~~~~~~
475 Git helps you do a three-way merge, which you can expand to n-way by
476 repeating the merge procedure arbitrary times until you finally
477 "commit" the state.  The normal situation is that you'd only do one
478 three-way merge (two parents), and commit it, but if you like to, you
479 can do multiple parents in one go.
481 To do a three-way merge, you need the two sets of "commit" objects
482 that you want to merge, use those to find the closest common parent (a
483 third "commit" object), and then use those commit objects to find the
484 state of the directory ("tree" object) at these points.
486 To get the "base" for the merge, you first look up the common parent
487 of two commits with
489                 git-merge-base <commit1> <commit2>
491 which will return you the commit they are both based on.  You should
492 now look up the "tree" objects of those commits, which you can easily
493 do with (for example)
495                 git-cat-file commit <commitname> | head -1
497 since the tree object information is always the first line in a commit
498 object.
500 Once you know the three trees you are going to merge (the one
501 "original" tree, aka the common case, and the two "result" trees, aka
502 the branches you want to merge), you do a "merge" read into the
503 index. This will complain if it has to throw away your old index contents, so you should
504 make sure that you've committed those - in fact you would normally
505 always do a merge against your last commit (which should thus match
506 what you have in your current index anyway).
508 To do the merge, do
510                 git-read-tree -m -u <origtree> <yourtree> <targettree>
512 which will do all trivial merge operations for you directly in the
513 index file, and you can just write the result out with
514 `git-write-tree`.
516 Historical note.  We did not have `-u` facility when this
517 section was first written, so we used to warn that
518 the merge is done in the index file, not in your
519 working tree, and your working tree will not match your
520 index after this step.
521 This is no longer true.  The above command, thanks to `-u`
522 option, updates your working tree with the merge results for
523 paths that have been trivially merged.
526 8) Merging multiple trees, continued
527 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
529 Sadly, many merges aren't trivial. If there are files that have
530 been added.moved or removed, or if both branches have modified the
531 same file, you will be left with an index tree that contains "merge
532 entries" in it. Such an index tree can 'NOT' be written out to a tree
533 object, and you will have to resolve any such merge clashes using
534 other tools before you can write out the result.
536 You can examine such index state with `git-ls-files --unmerged`
537 command.  An example:
539 ------------------------------------------------
540 $ git-read-tree -m $orig HEAD $target
541 $ git-ls-files --unmerged
542 100644 263414f423d0e4d70dae8fe53fa34614ff3e2860 1       hello.c
543 100644 06fa6a24256dc7e560efa5687fa84b51f0263c3a 2       hello.c
544 100644 cc44c73eb783565da5831b4d820c962954019b69 3       hello.c
545 ------------------------------------------------
547 Each line of the `git-ls-files --unmerged` output begins with
548 the blob mode bits, blob SHA1, 'stage number', and the
549 filename.  The 'stage number' is git's way to say which tree it
550 came from: stage 1 corresponds to `$orig` tree, stage 2 `HEAD`
551 tree, and stage3 `$target` tree.
553 Earlier we said that trivial merges are done inside
554 `git-read-tree -m`.  For example, if the file did not change
555 from `$orig` to `HEAD` nor `$target`, or if the file changed
556 from `$orig` to `HEAD` and `$orig` to `$target` the same way,
557 obviously the final outcome is what is in `HEAD`.  What the
558 above example shows is that file `hello.c` was changed from
559 `$orig` to `HEAD` and `$orig` to `$target` in a different way.
560 You could resolve this by running your favorite 3-way merge
561 program, e.g.  `diff3` or `merge`, on the blob objects from
562 these three stages yourself, like this:
564 ------------------------------------------------
565 $ git-cat-file blob 263414f... >hello.c~1
566 $ git-cat-file blob 06fa6a2... >hello.c~2
567 $ git-cat-file blob cc44c73... >hello.c~3
568 $ merge hello.c~2 hello.c~1 hello.c~3
569 ------------------------------------------------
571 This would leave the merge result in `hello.c~2` file, along
572 with conflict markers if there are conflicts.  After verifying
573 the merge result makes sense, you can tell git what the final
574 merge result for this file is by:
576         mv -f hello.c~2 hello.c
577         git-update-index hello.c
579 When a path is in unmerged state, running `git-update-index` for
580 that path tells git to mark the path resolved.
582 The above is the description of a git merge at the lowest level,
583 to help you understand what conceptually happens under the hood.
584 In practice, nobody, not even git itself, uses three `git-cat-file`
585 for this.  There is `git-merge-index` program that extracts the
586 stages to temporary files and calls a "merge" script on it:
588         git-merge-index git-merge-one-file hello.c
590 and that is what higher level `git resolve` is implemented with.