Kural yazarken en yaygın performans hatası, bağımlılıklardan toplanan verileri aktarmak veya kopyalamaktır. Derlemenin tamamında toplandığında bu işlemler kolayca O(N^2) zaman ve alan alabilir. Bunu önlemek için alt kümeleri nasıl etkili bir şekilde kullanacağınızı anlamak çok önemlidir.
Bunu başarmak zor olabilir. Bu yüzden Bazel, hata yapmış olabileceğiniz noktaları bulmada size yardımcı olan bir bellek profili oluşturucu da sağlar. Dikkatli olun: Verimsiz bir kural yazmanın maliyeti, yaygın şekilde kullanılana kadar belirgin olmayabilir.
Dizüstü bilgisayar kullan
Kural bağımlılıklarından bilgi alırken depsets özelliğini kullanmanız gerekir. Mevcut kurala göre yerel bilgileri yayınlamak için yalnızca düz listeler veya komutlar kullanın.
Yok kümesi, bilgileri, paylaşımı mümkün kılan iç içe yerleştirilmiş bir grafik olarak temsil eder.
Aşağıdaki grafiği inceleyin:
C -> B -> A
D ---^
Her düğüm tek bir dize yayınlar. Alt kümelerle veriler aşağıdaki gibi görünür:
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
Her öğeden yalnızca bir kez bahsedildiğini unutmayın. Listelerle şunları elde edersiniz:
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
Bu örnekte 'a'
teriminden dört kez bahsedildiğini unutmayın. Büyük grafiklerle bu sorun
daha da kötüleşir.
Aşağıda, geçişli bilgileri yayınlamak için alt kümeleri doğru şekilde kullanan bir kural uygulaması örneği verilmiştir. İsterseniz bu liste O(N^2) olmadığı için kural-yerel bilgilerini listeleri kullanarak yayınlayabilirsiniz.
MyProvider = provider()
def _impl(ctx):
my_things = ctx.attr.things
all_things = depset(
direct=my_things,
transitive=[dep[MyProvider].all_things for dep in ctx.attr.deps]
)
...
return [MyProvider(
my_things=my_things, # OK, a flat list of rule-local things only
all_things=all_things, # OK, a depset containing dependencies
)]
Daha fazla bilgi için depset'e genel bakış sayfasına bakın.
depset.to_list()
numaralı telefonu aramaktan kaçının
to_list()
kullanarak düşüşü düz bir listeye almaya zorlayabilirsiniz ancak bunu yapmak genellikle O(N^2) maliyetiyle sonuçlanır. Mümkünse hata ayıklama amaçları dışında derinliklerin düzleştirilmesinden kaçının.
Yaygın bir yanılgıya göre, bu işlemi yalnızca <xx>_binary
kuralı gibi üst düzey hedeflerde yaparsanız alt öğeleri serbestçe birleştirebilirsiniz. Çünkü maliyet, derleme grafiğinin her düzeyinde toplanmaz. Ancak bağımlılıkları örtüşen bir hedef kümesi oluşturduğunuzda bu hâlâ O(N^2) olur. Bu durum //foo/tests/...
testlerinizi oluştururken veya bir IDE projesini içe aktarırken ortaya çıkar.
Arama sayısını depset
olacak şekilde azaltın
Bir döngünün içinde depset
çağrısı yapmak genellikle bir hatadır. Bu durum, çok derin iç içe yerleştirme
yapma sorunlarına yol açarak düşük performans gösterebilir. Örneğin:
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
Bu kod kolayca değiştirilebilir. İlk olarak, geçişli altlıkları toplayın ve aynı anda birleştirin:
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
Bazı durumlarda liste anlayışını kullanarak bu oranı azaltabilirsiniz:
x = depset(transitive = [i.deps for i in inputs])
Komut satırları için ctx.actions.args() kullanma
Komut satırları oluştururken ctx.actions.args() işlevini kullanmanız gerekir. Bu, alt kümelerin genişletilmesini yürütme aşamasına erteler.
Bu yöntem, kesinlikle daha hızlı olmasının yanı sıra kurallarınızın bellek tüketimini (bazen% 90 veya daha fazla) azaltır.
Aşağıda bazı püf noktaları verilmiştir:
Derinlikleri ve listeleri kendiniz birleştirmek yerine doğrudan bağımsız değişken olarak aktarın. Tekliflerin kapsamı
ctx.actions.args()
tarafından sizin için genişletilecek. Kaldırılmış içeriklerde herhangi bir dönüşüme ihtiyacınız varsa uygun bir şey olup olmadığını görmek için ctx.actions.args#add ifadesini inceleyin.File#path
öğesini bağımsız değişken olarak iletiyor musunuz? Gerek yok. Herhangi bir Dosya, genişletme süresine ertelenerek otomatik olarak yoluna dönüştürülür.Dizeleri birbirine bağlayarak oluşturmaktan kaçının. En iyi dize bağımsız değişkeni sabittir, çünkü bu bağımsız değişkenin belleği kuralınızın tüm örnekleri arasında paylaştırılır.
Bağımsız değişkenler komut satırı için çok uzunsa
ctx.actions.args()
nesnesi,ctx.actions.args#use_param_file
kullanılarak koşullu veya koşulsuz olarak bir param dosyasına yazılabilir. Bu işlem, işlem yürütüldüğünde perde arkasında yapılır. Parametre dosyasını açık bir şekilde kontrol etmeniz gerekiyorsa,ctx.actions.write
kullanarak dosyayı manuel olarak yazabilirsiniz.
Örnek:
def _impl(ctx):
...
args = ctx.actions.args()
file = ctx.declare_file(...)
files = depset(...)
# Bad, constructs a full string "--foo=<file path>" for each rule instance
args.add("--foo=" + file.path)
# Good, shares "--foo" among all rule instances, and defers file.path to later
# It will however pass ["--foo", <file path>] to the action command line,
# instead of ["--foo=<file_path>"]
args.add("--foo", file)
# Use format if you prefer ["--foo=<file path>"] to ["--foo", <file path>]
args.add(format="--foo=%s", value=file)
# Bad, makes a giant string of a whole depset
args.add(" ".join(["-I%s" % file.short_path for file in files])
# Good, only stores a reference to the depset
args.add_all(files, format_each="-I%s", map_each=_to_short_path)
# Function passed to map_each above
def _to_short_path(f):
return f.short_path
Geçiş işlemi girişleri alt küme olmalıdır
ctx.actions.run kullanarak bir işlem oluştururken inputs
alanının depset değerini kabul ettiğini unutmayın. Bağımlılardan geçişli olarak giriş toplandığında bunu kullanın.
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
Askılı
Bazel asılı görünüyorsa $(bazel info output_base)/server/jvm.out
dosyasına iş parçacığı dökümü almak için Ctrl-\ tuşlarına basabilir veya Bazel'a SIGQUIT
sinyali (kill -3 $(bazel info server_pid)
) gönderebilirsiniz.
Bazel asılıyken bazel info
öğesini çalıştıramayabilirsiniz. Bu nedenle output_base
dizini genellikle çalışma alanı dizininizdeki bazel-<workspace>
sembolik bağlantısının üst öğesidir.
Performans profili oluşturma
JSON iz profili, Bazel'in çağrı sırasında neye zaman harcadığını hızlıca anlamak için çok yararlı olabilir.
--experimental_command_profile
işareti, çeşitli türlerdeki Java Uçuş Kaydedici profillerini (cpu süresi, boş zaman, bellek ayırmaları ve kilit anlaşmazlığı) yakalamak için kullanılabilir.
Tüm Starlark iş parçacıkları tarafından CPU kullanımının pprof profilini yazmak için --starlark_cpu_profile
işareti kullanılabilir.
Bellek kullanımının profilini çıkarma
Bazel, kuralınızın bellek kullanımını kontrol etmenize yardımcı olabilecek yerleşik bir bellek profil aracı içerir. Sorun varsa bu soruna neden olan kod satırını tam olarak bulmak için yığının dökümünü alabilirsiniz.
Bellek izlemeyi etkinleştirme
Aşağıdaki iki başlatma işaretini her Bazel çağrısına iletmeniz gerekir:
STARTUP_FLAGS=\
--host_jvm_args=-javaagent:<path to java-allocation-instrumenter-3.3.0.jar> \
--host_jvm_args=-DRULE_MEMORY_TRACKER=1
Bunlar sunucuyu bellek izleme modunda başlatır. Bunları bir Bazel çağrısı için bile unutursanız sunucu yeniden başlatılır ve baştan başlamanız gerekir.
Bellek İzleyici'yi kullanma
Örneğin, foo
hedefine bakın ve ne işe yaradığını görün. Derleme yürütme aşamasını çalıştırmak yerine yalnızca analizi çalıştırmak için --nobuild
işaretini ekleyin.
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
Ardından, tüm Bazel örneğinin ne kadar bellek tükettiğine bakın:
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
bazel dump --rules
kullanarak kural sınıfına göre döküm:
$ bazel $(STARTUP_FLAGS) dump --rules
>
RULE COUNT ACTIONS BYTES EACH
genrule 33,762 33,801 291,538,824 8,635
config_setting 25,374 0 24,897,336 981
filegroup 25,369 25,369 97,496,272 3,843
cc_library 5,372 73,235 182,214,456 33,919
proto_library 4,140 110,409 186,776,864 45,115
android_library 2,621 36,921 218,504,848 83,366
java_library 2,371 12,459 38,841,000 16,381
_gen_source 719 2,157 9,195,312 12,789
_check_proto_library_deps 719 668 1,835,288 2,552
... (more output)
bazel dump --skylark_memory
kullanarak bir pprof
dosyası oluşturarak belleğin nereye gittiğine bakın:
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
Yığını incelemek için pprof
aracını kullanın. pprof -flame $HOME/prof.gz
kullanarak flame grafiği oluşturmak iyi bir başlangıç noktasıdır.
pprof
uygulamasını https://github.com/google/pprof adresinden indirin.
Şu satırlarla not eklenmiş en popüler çağrı sitelerinin metin dökümünü alın:
$ pprof -text -lines $HOME/prof.gz
>
flat flat% sum% cum cum%
146.11MB 19.64% 19.64% 146.11MB 19.64% android_library <native>:-1
113.02MB 15.19% 34.83% 113.02MB 15.19% genrule <native>:-1
74.11MB 9.96% 44.80% 74.11MB 9.96% glob <native>:-1
55.98MB 7.53% 52.32% 55.98MB 7.53% filegroup <native>:-1
53.44MB 7.18% 59.51% 53.44MB 7.18% sh_test <native>:-1
26.55MB 3.57% 63.07% 26.55MB 3.57% _generate_foo_files /foo/tc/tc.bzl:491
26.01MB 3.50% 66.57% 26.01MB 3.50% _build_foo_impl /foo/build_test.bzl:78
22.01MB 2.96% 69.53% 22.01MB 2.96% _build_foo_impl /foo/build_test.bzl:73
... (more output)