我需要编写一个简单的源代码控制系统，想知道我将使用什么算法来处理文件差异？
出于许可问题，我不想查看现有源代码。我需要在 MPL 下获得许可，因此我无法查看任何现有系统，例如 CVS 或 Mercurial，因为它们都是 GPL 许可的。
只是提供一些背景知识，我只需要一些非常简单的功能 - 文件夹中的二进制文件。没有子文件夹，每个文件的行为都像它自己的存储库。除某些权限外，没有元数据。
总体上非常简单的东西，我唯一关心的是如何只存储文件从修订到修订的差异，而不会浪费太多空间，而且效率也不会太低（也许每次 X 更改存储一个完整版本，有点像视频中的关键帧？）
【问题讨论】：
标签： c# .net algorithm version-control
最长公共子序列算法是 diff 类工具使用的主要机制，并且可以被源代码控制系统利用。
“反向增量”是一种常用的存储方法，因为您主要需要从最近的修订版本向后移动。
【讨论】：
Patience Diff 是一种很好的算法，用于查找两个文件之间可能对人们有意义的增量。这通常比简单的“最长公共子序列”算法提供更好的结果，但结果是主观的。
话虽如此，许多现代修订控制系统在每个阶段都存储完整的文件，并在以后仅在需要时计算实际差异。对于二进制文件（可能不太容易压缩），您可能会发现存储反向增量最终可能更有效。
【讨论】：
看看Subversion的源码怎么样？它在 Apache License 2.0 下获得许可
【讨论】：
Gene Myers 写了一篇很好的论文An O(ND) Difference Algorithm and its Variations。在比较序列时，迈尔斯是最合适的人。您可能还应该阅读 Walter Tichy 关于 RCS 的论文；它解释了如何通过存储最新版本和差异来存储一组文件。
【讨论】：
存储增量（向前或向后）的想法在版本控制方面是经典的。问题一直是，“你存储什么增量？”
许多源代码控制系统存储的增量基本上是由“差异”计算的，例如最长公共子序列的面向行的补码。但是您可以以特定于这些文档的方式计算特定类型文档的增量，以获得更小（并且通常更易于理解）的增量。
对于编程语言源代码，可以计算程序结构上的 Levenshtein 距离。可以在Smart Differencer
找到一组工具，这些工具基本上可以针对各种流行的编程语言执行此操作如果您要存储非文本文件，则可以利用它们的结构来计算更小的增量。
当然，如果您想要的是一个最小的实现，那么只需存储每个文件版本的完整图像就很容易了。太字节的磁盘使该解决方案即使不是很漂亮也可以使用。 （PDP10 文件系统曾经隐式执行此操作）。
【讨论】：
虽然fossil是GPL，但delta算法是基于rsync的，描述here
【讨论】：
前几天我实际上正在考虑类似的事情......（奇怪，是吗？）
我没有给你一个很好的答案，但我确实得出结论，如果我要编写一个文件差异工具，我会使用一种算法（用于查找差异），它的功能有点像 REGEXes用他们的贪婪来运作。
至于存储 DIFF...如果我是你，而不是存储前向 DIFF（即，您从原始文件开始，然后在使用版本 151 时计算机 150 对其进行差异），使用存储的 DIFF为您的历史记录，但将您的最新文件存储为完整版本。如果您这样做，那么无论何时处理最新文件（可能是 99% 的时间），您都会获得最佳性能。
【讨论】：