WedX - журнал о программировании и компьютерных науках

Как следует использовать файлы ChangeLog при работе с магистралью и ветвями?

У меня есть проект, основанный на Subversion, который имеет довольно стандартную форму, включая магистральный каталог, каталог ветвей и каталог тегов для обычных целей.

В багажнике есть файл ChangeLog. Он содержит записи с указанием времени, имени с контактными данными и списком изменений. Всякий раз, когда кто-то вносит изменения, этот человек добавляет запись в журнал изменений и использует именно эту запись в качестве текста сообщения фиксации. Запись в журнале изменений может выглядеть примерно так:

2015-04-27 L. Ron Hubbard <[email protected]>
    * add class Vector to tools.py
    * add example.root

Мой вопрос таков: как следует обрабатывать журналы изменений при работе с ветвями? Должны ли записи ветки ChangeLog быть помечены именем ветки? Нужно ли вообще обновлять ветку ChangeLog? Должны ли все изменения, сделанные с использованием ветки, быть перечислены в одной записи, когда ветвь объединяется с магистралью? Должен ли вообще быть существовать список изменений?


Ответы:


1
  1. Журнал изменений, который только дублирует данные из журнала svn, - это просто пустая трата времени и места.
  2. Журнал изменений транка должен содержать только изменения, существующие в транке - в нем не должны отражаться неслитые ветки.
  3. Вы можете включать все изменения из объединенной ветки в одну запись для слияния или можете поддерживать и объединять (боюсь, вручную) журнал изменений ветки в ствол

Кстати, хороший журнал изменений без головной боли для любого размера истории, которую вы можете получить автоматически с помощью hg log --style changelog (Mercurial + hgsubversion для репозиториев SVN)

16.08.2015
Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


Для любых предложений по сайту: [email protected]