Depset 是一种专用数据结构，用于高效收集目标的传递依赖项中的数据。它们是规则处理的重要元素。
depset 的定义特征是其时间和空间效率高的并集运算。depset 构造函数接受元素列表（“直接”）和其他 depset 列表（“传递”），并返回一个 depset，表示包含所有直接元素和所有传递集合的集合。从概念上讲，构造函数会创建一个新的图节点，并将直接节点和传递节点作为其后继节点。依赖项集具有基于此图的遍历的明确定义的排序语义。
下面是 depset 的一些示例用途：
存储程序库的所有对象文件的路径，然后可以通过提供程序将这些路径传递给链接器操作。
对于解释型语言，存储包含在可执行文件的 runfile 中的传递性源文件。
说明和操作
从概念上讲，depset 是一种有向无环图 (DAG)，通常与目标图相似。它从叶子构建到根。依赖项链中的每个目标都可以在前一个目标上添加自己的内容，而无需读取或复制它们。
DAG 中的每个节点都包含一个直接元素列表和一个子节点列表。depset 的内容是传递元素，例如所有节点的直接元素。您可以使用 depset 构造函数创建新的 depset：它接受一个直接元素列表和另一个子节点列表。
s = depset(["a", "b", "c"])
t = depset(["d", "e"], transitive = [s])
print(s) # depset(["a", "b", "c"])
print(t) # depset(["d", "e", "a", "b", "c"])
如需检索 depset 的内容，请使用 to_list() 方法。它会返回所有传递元素的列表，不包括重复项。虽然此结构确实会影响元素的返回顺序，但无法直接检查 DAG 的确切结构。
s = depset(["a", "b", "c"])
print("c" in s.to_list()) # True
print(s.to_list() == ["a", "b", "c"]) # True
与字典中的允许键一样，依赖项集中的允许项也受到限制。具体而言，depset 内容不得可变。
依赖项集使用引用相等：一个依赖项集等于自身，但不等于任何其他依赖项集，即使它们具有相同的内容和相同的内部结构也是如此。
s = depset(["a", "b", "c"])
t = s
print(s == t) # True
t = depset(["a", "b", "c"])
print(s == t) # False
d = {}
d[s] = None
d[t] = None
print(len(d)) # 2
如需按内容比较 depset，请将其转换为排序列表。
s = depset(["a", "b", "c"])
t = depset(["c", "b", "a"])
print(sorted(s.to_list()) == sorted(t.to_list())) # True
无法从依赖项集中移除元素。如果需要这样做，您必须读出 depset 的全部内容，滤除要移除的元素，然后重新构建新的 depset。这并不特别高效。
s = depset(["a", "b", "c"])
t = depset(["b", "c"])
# Compute set difference s - t. Precompute t.to_list() so it's not done
# in a loop, and convert it to a dictionary for fast membership tests.
t_items = {e: None for e in t.to_list()}
diff_items = [x for x in s.to_list() if x not in t_items]
# Convert back to depset if it's still going to be used for union operations.
s = depset(diff_items)
print(s) # depset(["a"])
订单
to_list 操作会对 DAG 执行遍历。遍历类型取决于构建 depset 时指定的顺序。让 Bazel 支持多种顺序很有用，因为有时工具会关心其输入的顺序。例如，链接器操作可能需要确保，如果 B 依赖于 A，则 A.o 在链接器的命令行中位于 B.o 之前。其他工具可能有相反的要求。
支持三种遍历顺序：postorder、preorder 和 topological。前两个方法的工作方式与树遍历完全相同，只不过它们对 DAG 进行操作，并跳过已访问的节点。第三种顺序是从根到叶进行拓扑排序，与预序排序基本相同，但共享的子项仅在其所有父项之后列出。前序遍历和后序遍历的运作方式与从左到右的遍历相同，但请注意，在每个节点内，直接元素相对于子元素没有顺序。对于拓扑顺序，无法保证从左到右的顺序，即使在 DAG 的不同节点中存在重复元素的情况下，也无法保证“所有父级均在子级之前”的顺序。
# This demonstrates different traversal orders.
def create(order):
cd = depset(["c", "d"], order = order)
gh = depset(["g", "h"], order = order)
return depset(["a", "b", "e", "f"], transitive = [cd, gh], order = order)
print(create("postorder").to_list()) # ["c", "d", "g", "h", "a", "b", "e", "f"]
print(create("preorder").to_list()) # ["a", "b", "e", "f", "c", "d", "g", "h"]
# This demonstrates different orders on a diamond graph.
def create(order):
a = depset(["a"], order=order)
b = depset(["b"], transitive = [a], order = order)
c = depset(["c"], transitive = [a], order = order)
d = depset(["d"], transitive = [b, c], order = order)
return d
print(create("postorder").to_list()) # ["a", "b", "c", "d"]
print(create("preorder").to_list()) # ["d", "b", "a", "c"]
print(create("topological").to_list()) # ["d", "b", "c", "a"]
由于遍历的实现方式，必须在使用构造函数的 order 关键字参数创建 depset 时指定顺序。如果省略此参数，则 depset 采用特殊的 default 顺序，在这种情况下，无法保证其任何元素的顺序（除了确定性之外）。
完整示例
此示例可在 https://github.com/bazelbuild/examples/tree/main/rules/depsets 找到。
假设有一个假设的解释型语言 Foo。如需构建每个 foo_binary，您需要知道它直接或间接依赖的所有 *.foo 文件。
# //depsets:BUILD
load(":foo.bzl", "foo_library", "foo_binary")
# Our hypothetical Foo compiler.
py_binary(
name = "foocc",
srcs = ["foocc.py"],
)
foo_library(
name = "a",
srcs = ["a.foo", "a_impl.foo"],
)
foo_library(
name = "b",
srcs = ["b.foo", "b_impl.foo"],
deps = [":a"],
)
foo_library(
name = "c",
srcs = ["c.foo", "c_impl.foo"],
deps = [":a"],
)
foo_binary(
name = "d",
srcs = ["d.foo"],
deps = [":b", ":c"],
)
# //depsets:foocc.py
# "Foo compiler" that just concatenates its inputs to form its output.
import sys
if __name__ == "__main__":
assert len(sys.argv) >= 1
output = open(sys.argv[1], "wt")
for path in sys.argv[2:]:
input = open(path, "rt")
output.write(input.read())
在这里，二进制文件 d 的传递来源是 a、b、c 和 d 的 srcs 字段中的所有 *.foo 文件。为了让 foo_binary 目标了解 d.foo 以外的任何文件，foo_library 目标需要在提供程序中传递这些文件。每个库都会从自己的依赖项接收提供程序，添加自己的直接来源，并传递包含增强内容的新提供程序。foo_binary 规则也会执行相同的操作，只不过它会使用完整的来源列表来构建操作的命令行，而不是返回提供程序。
下面是 foo_library 和 foo_binary 规则的完整实现。
# //depsets/foo.bzl
# A provider with one field, transitive_sources.
FooFiles = provider(fields = ["transitive_sources"])
def get_transitive_srcs(srcs, deps):
"""Obtain the source files for a target and its transitive dependencies.
Args:
srcs: a list of source files
deps: a list of targets that are direct dependencies
Returns:
a collection of the transitive sources
"""
return depset(
srcs,
transitive = [dep[FooFiles].transitive_sources for dep in deps])
def _foo_library_impl(ctx):
trans_srcs = get_transitive_srcs(ctx.files.srcs, ctx.attr.deps)
return [FooFiles(transitive_sources=trans_srcs)]
foo_library = rule(
implementation = _foo_library_impl,
attrs = {
"srcs": attr.label_list(allow_files=True),
"deps": attr.label_list(),
},
)
def _foo_binary_impl(ctx):
foocc = ctx.executable._foocc
out = ctx.outputs.out
trans_srcs = get_transitive_srcs(ctx.files.srcs, ctx.attr.deps)
srcs_list = trans_srcs.to_list()
ctx.actions.run(executable = foocc,
arguments = [out.path] + [src.path for src in srcs_list],
inputs = srcs_list + [foocc],
outputs = [out])
foo_binary = rule(
implementation = _foo_binary_impl,
attrs = {
"srcs": attr.label_list(allow_files=True),
"deps": attr.label_list(),
"_foocc": attr.label(default=Label("//depsets:foocc"),
allow_files=True, executable=True, cfg="host")
},
outputs = {"out": "%{name}.out"},
)
您可以通过以下方式进行测试：将这些文件复制到一个新的软件包中，适当地重命名标签，使用虚构内容创建源 *.foo 文件，然后构建 d 目标。
性能
如需了解使用 depset 的动机，请考虑如果 get_transitive_srcs() 在列表中收集其来源，会出现什么情况。
def get_transitive_srcs(srcs, deps):
trans_srcs = []
for dep in deps:
trans_srcs += dep[FooFiles].transitive_sources
trans_srcs += srcs
return trans_srcs
这不考虑重复项，因此 a 的源文件将在命令行中显示两次，并在输出文件的内容中显示两次。
另一种方法是使用一般集合，它可以通过字典来模拟，其中键是元素，并且所有键都映射到 True。
def get_transitive_srcs(srcs, deps):
trans_srcs = {}
for dep in deps:
for file in dep[FooFiles].transitive_sources:
trans_srcs[file] = True
for file in srcs:
trans_srcs[file] = True
return trans_srcs
这样可以消除重复项，但会使命令行参数的顺序（以及文件的内容）未指定，尽管仍然是确定性的。
此外，这两种方法的性能在渐近上都比基于 depset 的方法差。假设存在一个包含许多 Foo 库依赖项的长链。处理每条规则都需要将之前的所有传递来源复制到新的数据结构中。这意味着，分析单个库或二进制目标的时间和空间开销与其在链中的高度成正比。对于长度为 n 的链条，foolib_1 ← foolib_2 ← … ← foolib_n，总开销实际上为 O(n^2)。
一般来说，每当您通过传递依赖项累积信息时，都应使用 depset。这有助于确保随着目标图的深入，您的 build 能够很好地扩容。
最后，请务必不要在规则实现中不必要地检索 depset 的内容。在二进制规则的最后调用一次 to_list() 即可，因为总体开销只是 O(n)。当许多非终端目标尝试调用 to_list() 时，就会出现二次行为。
如需详细了解如何高效使用 depset，请参阅性能页面。
API 参考文档
如需了解详情，请参阅此处。