Armazenamento em cache remoto

7.3 · 7.2 · 7.1 · 7.0 · 6.5

Esta página aborda o armazenamento em cache remoto, a configuração de um servidor para hospedar o cache e a execução de builds usando o cache remoto.

Um cache remoto é usado por uma equipe de desenvolvedores e/ou um sistema de integração contínua (CI) para compartilhar saídas de build. Se o build for reproduzível, as saídas de uma máquina poderão ser reutilizadas com segurança em outra máquina, o que pode tornar os builds significativamente mais rápidos.

Visão geral

Ele divide um build em etapas distintas, que são chamadas de ações. Cada ação tem entradas, nomes de saída, uma linha de comando e variáveis de ambiente. As entradas e saídas esperadas são declaradas explicitamente para cada ação.

É possível configurar um servidor para ser um cache remoto para saídas de build, que são essas saídas de ação. Essas saídas consistem em uma lista de nomes de arquivos de saída e os hashes do conteúdo deles. Com um cache remoto, é possível reutilizar as saídas de build de outro usuário em vez de criar cada nova saída localmente.

Para usar o armazenamento em cache remoto:

  • Configurar um servidor como back-end do cache
  • Configurar a compilação do Bazel para usar o cache remoto
  • Use o Bazel versão 0.10.0 ou mais recente

O cache remoto armazena dois tipos de dados:

  • O cache de ações, que é um mapa de hashes de ação para metadados de resultados de ações.
  • Uma loja endereçável por conteúdo (CAS, na sigla em inglês) de arquivos de saída.

O cache remoto também armazena o stdout e o stderr para cada ação. A inspeção do stdout/stderr do Bazel não é um bom indicador para estimar acertos de cache.

Como um build usa o armazenamento em cache remoto

Depois que um servidor é configurado como o cache remoto, você usa o cache de várias maneiras:

  • Ler e gravar no cache remoto
  • Ler e/ou gravar no cache remoto, exceto para destinos específicos
  • Somente leitura do cache remoto
  • Não usar o cache remoto

Quando você executa um build do Bazel que pode ler e gravar no cache remoto, o build segue estas etapas:

  1. O Bazel cria o gráfico de destinos que precisam ser criados e, em seguida, cria uma lista de ações necessárias. Cada uma dessas ações tem entradas e nomes de arquivos de saída declarados.
  2. O Bazel verifica se há saídas de build na máquina local e reutiliza as que forem encontradas.
  3. O Bazel verifica o cache em busca de saídas de build. Se a saída for encontrada, o Bazel vai recuperá-la. Isso é uma ocorrência em cache.
  4. Para ações obrigatórias em que as saídas não foram encontradas, o Bazel executa as ações localmente e cria as saídas de build necessárias.
  5. As novas saídas de build são enviadas para o cache remoto.

Configurar um servidor como back-end do cache

Você precisa configurar um servidor para atuar como back-end do cache. Um servidor HTTP/1.1 pode tratar os dados do Bazel como bytes opacos. Portanto, muitos servidores atuais podem ser usados como um back-end de armazenamento em cache remoto. O protocolo de armazenamento em cache HTTP do Bazel é compatível com o armazenamento em cache remoto.

Você é responsável por escolher, configurar e manter o servidor de back-end que vai armazenar as saídas em cache. Ao escolher um servidor, considere:

  • Velocidade da rede. Por exemplo, se a equipe estiver no mesmo escritório, talvez seja melhor executar seu próprio servidor local.
  • Segurança. O cache remoto terá seus binários e, portanto, precisa ser seguro.
  • Gerenciamento mais fácil. Por exemplo, o Google Cloud Storage é um serviço totalmente gerenciado.

Há muitos back-ends que podem ser usados para um cache remoto. Veja algumas opções:

nginx

O nginx é um servidor da Web de código aberto. Com o [módulo WebDAV], ele pode ser usado como um cache remoto para o Bazel. No Debian e no Ubuntu, é possível instalar o pacote nginx-extras. No macOS, o nginx está disponível pelo Homebrew:

brew tap denji/nginx
brew install nginx-full --with-webdav

Veja abaixo um exemplo de configuração para o nginx. Você vai precisar mudar /path/to/cache/dir para um diretório válido em que o Nginx tenha permissão para gravar e ler. Talvez seja necessário mudar a opção client_max_body_size para um valor maior se você tiver arquivos de saída maiores. O servidor vai exigir outras configurações, como autenticação.

Exemplo de configuração para a seção server em nginx.conf:

location /cache/ {
  # The path to the directory where nginx should store the cache contents.
  root /path/to/cache/dir;
  # Allow PUT
  dav_methods PUT;
  # Allow nginx to create the /ac and /cas subdirectories.
  create_full_put_path on;
  # The maximum size of a single file.
  client_max_body_size 1G;
  allow all;
}

bazel-remote

O bazel-remote é um cache de build remoto de código aberto que pode ser usado na sua infraestrutura. Ele tem sido usado com sucesso na produção em várias empresas desde o início de 2018. O projeto Bazel não oferece suporte técnico para o bazel-remote.

Esse cache armazena conteúdo no disco e também fornece coleta de lixo para aplicar um limite máximo de armazenamento e limpar artefatos não usados. O cache está disponível como uma [imagem do Docker], e o código está disponível no GitHub (em inglês). As APIs REST e gRPC de cache remoto são compatíveis.

Consulte a página do GitHub para instruções sobre como usá-lo.

Google Cloud Storage

O [Google Cloud Storage] é um repositório de objetos totalmente gerenciado que fornece uma API HTTP compatível com o protocolo de armazenamento em cache remoto do Bazel. É necessário ter uma conta do Google Cloud com o faturamento ativado.

Para usar o Cloud Storage como cache:

  1. Crie um bucket de armazenamento. Selecione o local do bucket mais próximo de você, já que a largura de banda da rede é importante para o cache remoto.

  2. Crie uma conta de serviço para que o Bazel se autentique no Cloud Storage. Consulte Como criar uma conta de serviço.

  3. Gere uma chave JSON secreta e transmita-a ao Bazel para autenticação. Armazene a chave com segurança, porque qualquer pessoa com a chave pode ler e gravar dados arbitrários no seu bucket do GCS.

  4. Conecte-se ao Cloud Storage adicionando as seguintes sinalizações ao comando do Bazel:

    • Transmita o URL a seguir para o Bazel usando a flag: --remote_cache=https://storage.googleapis.com/bucket-name, em que bucket-name é o nome do seu bucket de armazenamento.
    • Transmita a chave de autenticação usando a flag: --google_credentials=/path/to/your/secret-key.json ou --google_default_credentials para usar a Autenticação de aplicativo.
  5. É possível configurar o Cloud Storage para excluir arquivos antigos automaticamente. Para fazer isso, consulte Gerenciamento do ciclo de vida de objetos.

Outros servidores

Você pode configurar qualquer servidor HTTP/1.1 compatível com PUT e GET como o back-end do cache. Os usuários relataram sucesso com back-ends de armazenamento em cache, como Hazelcast, Apache httpd e AWS S3 (links em inglês).

Autenticação

A partir da versão 0.11.0, o suporte à autenticação básica HTTP foi adicionado ao Bazel. É possível transmitir um nome de usuário e uma senha para o Bazel por meio do URL do cache remoto. A sintaxe é https://username:password@hostname.com:port/path. A autenticação básica HTTP transmite o nome de usuário e a senha em texto simples pela rede. Portanto, é fundamental usá-la sempre com HTTPS.

Protocolo de armazenamento em cache HTTP

O Bazel oferece suporte a armazenamento em cache remoto via HTTP/1.1. O protocolo é conceitualmente simples: os dados binários (BLOB) são enviados por solicitações PUT e transferidos por solicitações GET. Os metadados do resultado da ação são armazenados no caminho /ac/, e os arquivos de saída são armazenados no caminho /cas/.

Por exemplo, considere um cache remoto em execução em http://localhost:8080/cache. Uma solicitação do Bazel para fazer o download de metadados de resultado de ação para uma ação com o hash SHA256 01ba4719... será semelhante a esta:

GET /cache/ac/01ba4719c80b6fe911b091a7c05124b64eeece964e09c058ef8f9805daca546b HTTP/1.1
Host: localhost:8080
Accept: */*
Connection: Keep-Alive

Uma solicitação do Bazel para fazer upload de um arquivo de saída com o hash SHA256 15e2b0d3... para o CAS terá a seguinte aparência:

PUT /cache/cas/15e2b0d3c33891ebb0f1ef609ec419420c20e320ce94c65fbc8c3312448eb225 HTTP/1.1
Host: localhost:8080
Accept: */*
Content-Length: 9
Connection: Keep-Alive

0x310x320x330x340x350x360x370x380x39

Executar o Bazel usando o cache remoto

Depois que um servidor for configurado como o cache remoto, para usá-lo, é necessário adicionar flags ao comando do Bazel. Confira a lista de configurações e as flags abaixo.

Talvez seja necessário configurar a autenticação, que é específica para o servidor escolhido.

É recomendável adicionar essas flags em um arquivo .bazelrc para que você não precise especificar cada vez que executar o Bazel. Dependendo do projeto e da dinâmica da equipe, é possível adicionar sinalizações a um arquivo .bazelrc que esteja:

  • Na sua máquina local
  • No espaço de trabalho do seu projeto, compartilhado com a equipe
  • No sistema de CI

Ler e gravar no cache remoto

Cuidado com quem tem a capacidade de gravar no cache remoto. Talvez você queira que apenas o sistema de CI grave no cache remoto.

Use a flag a seguir para ler e gravar no cache remoto:

build --remote_cache=http://your.host:port

Além de HTTP, os seguintes protocolos também são aceitos: HTTPS, grpc e grpcs.

Use a sinalização a seguir, além da acima, para ler apenas o cache remoto:

build --remote_upload_local_results=false

Excluir destinos específicos do uso do cache remoto

Para impedir que destinos específicos usem o cache remoto, marque-os com no-remote-cache. Exemplo:

java_library(
    name = "target",
    tags = ["no-remote-cache"],
)

Excluir conteúdo do cache remoto

Fazer isso faz parte do gerenciamento do servidor. A maneira de excluir conteúdo do cache remoto depende do servidor que você configurou como cache. Ao excluir saídas, exclua todo o cache ou as saídas antigas.

As saídas em cache são armazenadas como um conjunto de nomes e hashes. Ao excluir conteúdo, não é possível distinguir qual saída pertence a um build específico.

Você pode excluir conteúdo do cache para:

  • Criar um cache limpo após um cache ser envenenado
  • Reduza a quantidade de armazenamento usada excluindo saídas antigas

Soquetes Unix

O cache HTTP remoto oferece suporte à conexão por soquetes de domínio Unix. O comportamento é semelhante ao da sinalização --unix-socket do curl. Use o código a seguir para configurar o soquete de domínio Unix:

   build --remote_cache=http://your.host:port
   build --remote_proxy=unix:/path/to/socket

Esse recurso não é compatível com o Windows.

Cache de disco

O Bazel pode usar um diretório no sistema de arquivos como um cache remoto. Isso é útil para compartilhar artefatos de build ao alternar entre filiais e/ou trabalhar em vários espaços de trabalho do mesmo projeto, como vários checkouts. Ative o cache de disco da seguinte forma:

build --disk_cache=path/to/build/cache

É possível transmitir um caminho específico do usuário para a flag --disk_cache usando o alias ~. O Bazel vai substituir o diretório inicial do usuário atual. Isso é útil ao ativar o cache do disco para todos os desenvolvedores de um projeto pelo arquivo do projeto marcado em .bazelrc.

Coleta de lixo

A partir do Bazel 7.4, é possível usar --experimental_disk_cache_gc_max_size e --experimental_disk_cache_gc_max_age para definir um tamanho máximo para o cache do disco ou para a idade de entradas de cache individuais. O Bazel coleta automaticamente o lixo do cache do disco enquanto fica ocioso entre os builds. O timer inativo pode ser definido com --experimental_disk_cache_gc_idle_delay (padrão de 5 minutos).

Como alternativa à coleta automática de lixo, também oferecemos uma ferramenta para executar uma coleta de lixo sob demanda.

Problemas conhecidos

Modificação do arquivo de entrada durante um build

Quando um arquivo de entrada é modificado durante um build, o Bazel pode fazer o upload de resultados inválidos para o cache remoto. É possível ativar uma detecção de mudança com a flag --experimental_guard_against_concurrent_changes. Não há problemas conhecidos, e ele será ativado por padrão em uma versão futura. Consulte [issue #3360] para atualizações. Em geral, evite modificar arquivos de origem durante um build.

Variáveis de ambiente vazando para uma ação

Uma definição de ação contém variáveis de ambiente. Isso pode ser um problema para compartilhar ocorrências de cache remoto entre máquinas. Por exemplo, ambientes com variáveis $PATH diferentes não compartilham acertos de cache. Somente as variáveis de ambiente explicitamente autorizadas por --action_env são incluídas em uma definição de ação. O pacote Debian/Ubuntu do Bazel era usado para instalar /etc/bazel.bazelrc com uma lista branca de variáveis de ambiente, incluindo $PATH. Se você estiver recebendo menos acertos de cache do que o esperado, verifique se o ambiente não tem um arquivo /etc/bazel.bazelrc antigo.

O Bazel não rastreia ferramentas fora de um espaço de trabalho

No momento, o Bazel não rastreia ferramentas fora de um espaço de trabalho. Isso pode ser um problema se, por exemplo, uma ação usar um compilador de /usr/bin/. Em seguida, dois usuários com compiladores diferentes instalados vão compartilhar ocorrências de cache incorretamente, porque as saídas são diferentes, mas têm o mesmo hash de ação. Consulte o problema 4558 (link em inglês) para atualizações.

O estado incremental na memória é perdido ao executar builds dentro de contêineres do Docker O Bazel usa a arquitetura de servidor/cliente mesmo quando é executado em um único contêiner do Docker. No lado do servidor, o Bazel mantém um estado na memória que acelera os builds. Ao executar builds em contêineres do Docker, como no CI, o estado na memória é perdido e o Bazel precisa ser recriado antes de usar o cache remoto.