Performansı Optimize Etme

Sorun bildirme Kaynağı görüntüleme Nightly · 7.4 . 7.3 · 7.2 · 7.1 · 7.0 · 6.5

Kural yazarken en yaygın performans sorunu, bağımlılıklardan toplanan verileri taramak veya kopyalamaktır. Bu işlemler, derleme işleminin tamamında toplandığında kolayca O(N^2) zaman veya alan alabilir. Bu sorunu önlemek için depo setlerini etkili bir şekilde nasıl kullanacağınızı anlamanız çok önemlidir.

Bunu doğru şekilde yapmak zor olabilir. Bu nedenle Bazel, hata yapmış olabileceğiniz noktaları bulmanıza yardımcı olan bir bellek profilleyici de sağlar. Dikkat: Verimli olmayan bir kural yazmanın maliyeti, yaygın olarak kullanılana kadar belirgin olmayabilir.

Depo gruplarını kullanma

Kural bağımlılıkları kapsamındaki bilgileri toplarken depsets öğesini kullanmanız gerekir. Mevcut kurala özgü bilgileri yayınlamak için yalnızca düz listeler veya sözlükler kullanın.

Depo grubu, bilgileri paylaşıma olanak tanıyan iç içe yerleştirilmiş bir grafik olarak temsil eder.

Aşağıdaki grafiği inceleyin:

C -> B -> A
D ---^

Her düğüm tek bir dize yayınlar. Veriler, veri kümeleriyle şu şekilde 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. Listeler sayesinde şunları yapabilirsiniz:

a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']

Bu örnekte 'a' dört kez kullanılmıştır. Grafikler ne kadar büyük olursa bu sorun o kadar kötüleşir.

Aşağıda, geçişli bilgileri yayınlamak için depset'leri doğru şekilde kullanan bir kural uygulaması örneği verilmiştir. O(N^2) olmadığından, kurala özgü bilgileri listeleri kullanarak yayınlamanın uygun olduğunu unutmayın.

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()'ü arama

to_list() kullanarak bir depset'i düz bir listeye zorlayabilirsiniz ancak bu işlem genellikle O(N^2) maliyetle sonuçlanır. Mümkünse hata ayıklama amacıyla hariç olmak üzere depsetlerin düzleştirilmesinden kaçının.

Yaygın bir yanlış anlama, yalnızca <xx>_binary kuralı gibi üst düzey hedeflerde yaparsanız maliyet, derleme grafiğinin her düzeyinde toplanmadığı için depsetleri istediğiniz gibi düzleştirebileceğinizdir. Ancak örtüşen bağımlılıklara sahip bir hedef grubu oluşturduğunuzda bu yine O(N^2) olur. Bu durum, testlerinizi //foo/tests/... oluştururken veya bir IDE projesini içe aktarırken ortaya çıkar.

Arama sayısını depset'e düşürün

depset işlevinin bir döngü içinde çağrılması genellikle hatalı bir işlemdir. Bu, çok derin iç içe yerleştirilmiş ve kötü performans gösteren depsetlere yol açabilir. Örneğin:

x = depset()
for i in inputs:
    # Do not do that.
    x = depset(transitive = [x, i.deps])

Bu kod kolayca değiştirilebilir. Öncelikle geçişli depsetleri toplayın ve hepsini aynı anda birleştirin:

transitive = []

for i in inputs:
    transitive.append(i.deps)

x = depset(transitive = transitive)

Bu, bazen liste kapsamı kullanılarak azaltılabilir:

x = depset(transitive = [i.deps for i in inputs])

Komut satırı için ctx.actions.args() işlevini kullanma

Komut satırları oluştururken ctx.actions.args() işlevini kullanmanız gerekir. Bu, tüm depsetlerin genişletilmesini yürütme aşamasına erteler.

Bu, kesinlikle daha hızlı olmanın yanı sıra kurallarınızın hafıza tüketimini bazen% 90 veya daha fazla azaltır.

Aşağıda bazı ipuçları verilmiştir:

  • Kendinizi düzleştirmek yerine, depset'leri ve listeleri doğrudan bağımsız değişken olarak iletin. Bu veriler sizin için ctx.actions.args() tarafından genişletilecektir. Depset içeriklerinde dönüştürme işlemi yapmanız gerekiyorsa ctx.actions.args#add değerine bakarak ihtiyacınız olan işlevi bulup bulamayacağınızı kontrol edin.

  • File#path bağımsız değişkenini mi ilerliyorsunuz? Gerek yok. Tüm dosyalar, otomatik olarak yoluna dönüştürülür ve genişletme zamanına ertelenir.

  • Dize oluşturmak için bunları birbirine bağlamaktan kaçının. En iyi dize bağımsız değişkeni, belleği kuralınızın tüm örnekleri arasında paylaşılacağı için sabit bir değerdir.

  • args, komut satırı için çok uzunsa ctx.actions.args() nesnesi, ctx.actions.args#use_param_file kullanılarak koşullu veya koşulsuz olarak bir parametre dosyasına yazılabilir. Bu işlem, işlem yürütüldüğünde arka planda yapılır. Params dosyasını açıkça kontrol etmeniz gerekiyorsa ctx.actions.write kullanarak 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

Geçişli işlem girişleri depset olmalıdır

ctx.actions.run'u kullanarak bir işlem oluştururken inputs alanının bir depset kabul ettiğini unutmayın. Girişler bağımlılıklardan geçişli olarak toplandığında bunu kullanın.

inputs = depset(...)
ctx.actions.run(
  inputs = inputs,  # Do *not* turn inputs into a list
  ...
)

Asılı

Bazel donmuş görünüyorsa $(bazel info output_base)/server/jvm.out dosyasına bir iş parçacığı dökümü almak için Ctrl-\ tuşlarına basabilir veya Bazel'e bir SIGQUIT sinyali (kill -3 $(bazel info server_pid)) gönderebilirsiniz.

Bazel kilitlenirse bazel info'ü çalıştıramayabilirsiniz. Bu nedenle, output_base dizini genellikle Workspace dizininizdeki bazel-<workspace> simge bağlantısının üst dizinidir.

Performans profilleme

Bazel, varsayılan olarak çıkış tabanında command.profile.gz dosyasına bir JSON profili yazar. Konumu --profile işaretiyle yapılandırabilirsiniz (ör. --profile=/tmp/profile.gz). .gz ile biten konumlar GZIP ile sıkıştırılır.

Sonuçları görmek için bir Chrome Tarayıcı sekmesinde chrome://tracing'ü açın, "Yükle"yi tıklayın ve (sıkıştırılmış olabilecek) profil dosyasını seçin. Daha ayrıntılı sonuçlar için sol alt köşedeki kutuları tıklayın.

Gezinmek için şu klavye kontrollerini kullanabilirsiniz:

  • "Seç" modu için 1 tuşuna basın. Bu modda, etkinlik ayrıntılarını incelemek için belirli kutuları seçebilirsiniz (sol alt köşeye bakın). Özet ve toplu istatistikler almak için birden fazla etkinlik seçin.
  • "Kaydırma" modu için 2 tuşuna basın. Ardından, görünümü taşımak için fareyi sürükleyin. Sol/sağ gitmek için a/d tuşlarını da kullanabilirsiniz.
  • "Yakınlaştırma" modu için 3 tuşuna basın. Ardından, yakınlaştırmak için fareyi sürükleyin. Yakınlaştırmak/uzaklaştırmak için w/s tuşlarını da kullanabilirsiniz.
  • İki etkinlik arasındaki mesafeyi ölçebileceğiniz "zamanlama" modu için 4 tuşuna basın.
  • Tüm kontroller hakkında bilgi edinmek için ? düğmesine basın.

Profil bilgileri

Örnek profil:

Örnek profil

Şekil 1. Örnek profil.

Bazı özel satırlar vardır:

  • action counters: Devam eden eşzamanlı işlem sayısını gösterir. Gerçek değeri görmek için tıklayın. Temiz derlemelerde --jobs değerine kadar çıkmalıdır.
  • cpu counters: Derlemenin her bir saniyesinde Bazel tarafından kullanılan CPU miktarını gösterir (1 değeri, bir çekirdeğin% 100 meşgul olduğu anlamına gelir).
  • Critical Path: Kritik yoldaki her işlem için bir blok gösterir.
  • grpc-command-1: Bazel'in ana mesaj dizisi. Bazel'in ne yaptığının üst düzey bir resmini (ör. "Bazel'i başlat", "evaluateTargetPatterns" ve "runAnalysisPhase") görmek için yararlıdır.
  • Service Thread: Küçük ve büyük Çöp Toplama (GC) duraklamaları gösterilir.

Diğer satırlar Bazel mesaj dizilerini temsil eder ve ilgili mesaj dizisindeki tüm etkinlikleri gösterir.

Sık karşılaşılan performans sorunları

Performans profillerini analiz ederken şunları arayın:

  • Özellikle artımlı derlemelerde analiz aşaması (runAnalysisPhase) beklenenden daha yavaştır. Bu durum, kuralın kötü bir şekilde uygulandığının göstergesi olabilir (ör. depo setlerini düzleştiren bir kural). Paket yükleme işlemi, çok fazla hedef, karmaşık makrolar veya yinelenen glob'lar nedeniyle yavaş olabilir.
  • Özellikle kritik yoldaki yavaş işlemler. Büyük işlemleri hızlandırmak için birden fazla küçük işleme bölmek veya (geçişli) bağımlılık grubunu azaltmak mümkün olabilir. Ayrıca, PROCESS_TIME olmayan ve anormal derecede yüksek bir değer (REMOTE_SETUP veya FETCH gibi) olup olmadığını kontrol edin.
  • Darboğazlar: Diğer tüm iş parçacıkları boştayken / sonucu beklerken az sayıda iş parçacığı meşgul olur (yukarıdaki ekran görüntüsünde 15-30. saniyelere bakın). Bu durumu optimize etmek için büyük olasılıkla daha fazla paralellik sağlamak amacıyla kural uygulamalarını veya Bazel'i değiştirmeniz gerekir. Bu durum, olağan dışı miktarda GC olduğunda da ortaya çıkabilir.

Profil dosyası biçimi

En üst düzey nesne, meta verileri (otherData) ve gerçek izleme verilerini (traceEvents) içerir. Meta veriler, Bazel çağrısının çağrı kimliği ve tarihi gibi ek bilgiler içerir.

Örnek:

{
  "otherData": {
    "build_id": "101bff9a-7243-4c1a-8503-9dc6ae4c3b05",
    "date": "Tue Jun 16 08:30:21 CEST 2020",
    "output_base": "/usr/local/google/_bazel_johndoe/573d4be77eaa72b91a3dfaa497bf8cd0"
  },
  "traceEvents": [
    {"name":"thread_name","ph":"M","pid":1,"tid":0,"args":{"name":"Critical Path"}},
    {"cat":"build phase marker","name":"Launch Bazel","ph":"X","ts":-1824000,"dur":1824000,"pid":1,"tid":60},
    ...
    {"cat":"general information","name":"NoSpawnCacheModule.beforeCommand","ph":"X","ts":116461,"dur":419,"pid":1,"tid":60},
    ...
    {"cat":"package creation","name":"src","ph":"X","ts":279844,"dur":15479,"pid":1,"tid":838},
    ...
    {"name":"thread_name","ph":"M","pid":1,"tid":11,"args":{"name":"Service Thread"}},
    {"cat":"gc notification","name":"minor GC","ph":"X","ts":334626,"dur":13000,"pid":1,"tid":11},

    ...
    {"cat":"action processing","name":"Compiling third_party/grpc/src/core/lib/transport/status_conversion.cc","ph":"X","ts":12630845,"dur":136644,"pid":1,"tid":1546}
 ]
}

İzleme etkinliklerindeki zaman damgalarının (ts) ve sürelerin (dur) birimi mikrosaniyedir. Kategori (cat), ProfilerTask değerinin enum değerlerinden biridir. Çok kısa ve birbirine yakın olan bazı etkinliklerin birleştirildiğini unutmayın. Etkinlik birleştirme işlemini önlemek istiyorsanız --noslim_json_profile değerini iletin.

Chrome İzleme Etkinliği Biçimi Spesifikasyonu'na da bakın.

analyze-profile

Bu profil oluşturma yöntemi iki adımdan oluşur. Öncelikle derleme/test işleminizi --profile işaretiyle yürütmeniz gerekir. Örneğin:

$ bazel build --profile=/tmp/prof //path/to:target

Oluşturulan dosya (bu durumda /tmp/prof), analyze-profile komutu tarafından son işleme tabi tutulup analiz edilebilen bir ikili dosyadır:

$ bazel analyze-profile /tmp/prof

Varsayılan olarak, belirtilen profil veri dosyası için özet analiz bilgilerini yazdırır. Bu rapor, her derleme aşaması için farklı görev türleriyle ilgili kümülatif istatistikleri ve kritik yolun analizini içerir.

Varsayılan çıktının ilk bölümü, farklı derleme aşamalarında harcanan süreye genel bir bakıştır:

INFO: Profile created on Tue Jun 16 08:59:40 CEST 2020, build ID: 0589419c-738b-4676-a374-18f7bbc7ac23, output base: /home/johndoe/.cache/bazel/_bazel_johndoe/d8eb7a85967b22409442664d380222c0

=== PHASE SUMMARY INFORMATION ===

Total launch phase time         1.070 s   12.95%
Total init phase time           0.299 s    3.62%
Total loading phase time        0.878 s   10.64%
Total analysis phase time       1.319 s   15.98%
Total preparation phase time    0.047 s    0.57%
Total execution phase time      4.629 s   56.05%
Total finish phase time         0.014 s    0.18%
------------------------------------------------
Total run time                  8.260 s  100.00%

Critical path (4.245 s):
       Time Percentage   Description
    8.85 ms    0.21%   _Ccompiler_Udeps for @local_config_cc// compiler_deps
    3.839 s   90.44%   action 'Compiling external/com_google_protobuf/src/google/protobuf/compiler/php/php_generator.cc [for host]'
     270 ms    6.36%   action 'Linking external/com_google_protobuf/protoc [for host]'
    0.25 ms    0.01%   runfiles for @com_google_protobuf// protoc
     126 ms    2.97%   action 'ProtoCompile external/com_google_protobuf/python/google/protobuf/compiler/plugin_pb2.py'
    0.96 ms    0.02%   runfiles for //tools/aquery_differ aquery_differ

Bellek kullanımının profilini çıkarma

Bazel, kuralınızın bellek kullanımını kontrol etmenize yardımcı olabilecek yerleşik bir bellek profilleyiciye sahiptir. Sorun varsa soruna neden olan tam kod satırını bulmak için yığını dökebilirsiniz.

Bellek izlemeyi etkinleştirme

Bu iki başlangıç işaretini her Bazel çağrısına iletmeniz gerekir:

  STARTUP_FLAGS=\
  --host_jvm_args=-javaagent:$(BAZEL)/third_party/allocation_instrumenter/java-allocation-instrumenter-3.3.0.jar \
  --host_jvm_args=-DRULE_MEMORY_TRACKER=1

Bu komutlar, sunucuyu bellek izleme modunda başlatır. Bunları bir Bazel çağrısında bile unutursanız sunucu yeniden başlatılır ve baştan başlamanız gerekir.

Bellek İzleyici'yi kullanma

Örneğin, foo hedefine bakın ve ne işe yaradığını öğrenin. Yalnızca analizi çalıştırmak ve derleme yürütme aşamasını çalıştırmamak için --nobuild işaretini ekleyin.

$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo

Ardından, tüm Bazel örneğinin ne kadar bellek tükettiğini öğrenin:

$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB

bazel dump --rules simgesini kullanarak verileri kural sınıfına göre ayırın:

$ 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 bir alev grafiği elde etmek iyi bir başlangıç noktasıdır.

pprof'yi https://github.com/google/pprof adresinden indirin.

En popüler arama sitelerinin satırlarla ek açıklamalı 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)