Kural yazarken en sık karşılaşılan performans hatası, verileri toplayarak dikkate alınması gerektiğini unutmayın. Bir bütün olarak bu işlemler O(N^2) zaman veya alan alabilir. Bunu önlemek için depletlerin nasıl etkili şekilde kullanılacağının anlaşılması açısından son derece önemlidir.
Bunun sağlanması zor olabildiğinden Bazel aynı zamanda hata yapmış olabileceğiniz noktaları bulmanıza yardımcı olur. Aşağıdaki durumlarda uyar: Verimsiz bir kural yazmanın maliyeti, kural tam olarak yaygın bir şekilde kullanılıyor.
Depset'leri kullanma
Kural bağımlılıklarıyla ilgili bilgileri toplarken depsets belirtin. Bilgi yayınlamak için yalnızca düz listeleri veya diktleri kullanın yerel olarak ayarlayın.
Desset, bilgileri paylaşmaya olanak tanıyan iç içe yerleştirilmiş bir grafik olarak temsil eder.
Aşağıdaki grafiği göz önünde bulundurun:
C -> B -> A
D ---^
Her düğüm tek bir dize yayınlar. Depset'larda 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'
parametresinin dört kez geçtiğine dikkat edin. Daha büyük grafiklerde
sorun daha da kötüleşecektir.
Aşağıdaki örnek, verileri doğru şekilde kullanan bir kural uygulaması örneğidir: geçişli bilgiler yayınlayabilirsiniz. Yerel kural yayınlamanın kabul edilebilir olduğunu unutmayın isterseniz listeleri kullanabilirsiniz, çünkü bu O(N^2) değildir.
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 cihaza genel bakış sayfasını ziyaret edin.
depset.to_list()
adlı kişiyi aramaktan kaçının
Bir geliştirmeyi düz listeye dönüştürmek için
to_list()
. Ancak bu genellikle O(N^2) ile sonuçlanır
maliyet. Mümkünse hata ayıklama dışında hataları düzeltmekten kaçının
amaçlar.
Yaygın bir yanlış inanış, sadece bir şey yaparak sorunları özgürce düzeltebileceğinizdir.
<xx>_binary
kuralı gibi üst düzey hedeflere uygulanır. Çünkü bu durumda maliyet,
seviye boyunca toplanan verileri gösterir. Ancak bu, sorun yaşanırken hâlâ O(N^2)
bağımlılıkları çakışan bir dizi hedef oluşturursunuz. Bu,
testlerinizi oluştururken //foo/tests/...
veya bir IDE projesini içe aktarırken.
Arama sayısını depset
olacak şekilde azaltın
depset
işlevinin bir döngü içinde çağrılması genellikle hatadır. Potansiyel riskler nedeniyle
iç içe geçmiş olabilir. Bu da kötü performans gösterir. Örneğin:
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
Bu kod kolayca değiştirilebilir. İlk olarak, geçişli verileri toplayın ve hepsini aynı anda birleştirmek için:
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
Bu bazen liste anlama özellikleri kullanılarak azaltılabilir:
x = depset(transitive = [i.deps for i in inputs])
Komut satırları için ctx.actions.args() kullanma
Komut satırları oluştururken ctx.actions.args() kullanmanız gerekir. Böylece, her türlü detayın yürütme aşamasına genişletilmesine gerek kalmaz.
Bu yöntem, kesinlikle daha hızlı olmanın yanı sıra oranında bir artış sağlayabilir.
İşte bazı püf noktaları:
Depset'leri ve listeleri birleştirmek yerine doğrudan bağımsız değişken olarak iletin kendiniz. Sizin için
ctx.actions.args()
genişletilecek. Kaldırılmış içeriklerde herhangi bir dönüşüme ihtiyacınız olursa ctx.actions.args#add adresini ziyaret edin.File#path
öğesini bağımsız değişken olarak iletiyor musunuz? Gerek yok. Herhangi biri Dosya otomatik olarak path, genişletme süresine ertelenmiş.Dizeleri bir araya getirerek oluşturmaktan kaçının. En iyi dize bağımsız değişkeni sabittir, çünkü belleği tüm örneklerini etkiler.
Bağımsız değişkenler komut satırı için çok uzunsa
ctx.actions.args()
nesnesi Parametre değeri,ctx.actions.args#use_param_file
Bu sahne arkasında yapılır. Rapor oluşturma işlemini açıkça parametre dosyasını kullanarak manuel bir şekilde yazabileceğinizctx.actions.write
.
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, depsets olmalıdır
ctx.actions.run işlevini kullanarak bir işlem oluştururken
inputs
alanının eksik öğeleri kabul ettiğini unutmayın. Bu seçeneği,
geçişli olarak
toplanır.
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
Askılı
Bazel asılı görünüyorsa Ctrl-\ tuşlarına basabilir veya Bazel'i
İleti dizisi almak için bir SIGQUIT
sinyali (kill -3 $(bazel info server_pid)
) oluşturun
$(bazel info output_base)/server/jvm.out
dosyasının dökümünü alın.
Bazel takılıysa bazel info
aracını çalıştıramayabilirsiniz.
output_base
dizini genellikle bazel-<workspace>
öğesinin üst öğesidir
sembolik bağlantıyı kullanabilirsiniz.
Performans profili oluşturma
Bazel, çıkış tabanında command.profile.gz
öğesine bir JSON profili yazar.
varsayılandır. Konumu
--profile
işaretini kullanın:
--profile=/tmp/profile.gz
. .gz
ile biten konumlar şununla sıkıştırılır:
GZIP'e dokunun.
Sonuçları görmek için chrome://tracing
sayfasını bir Chrome tarayıcı sekmesinde açın, şunu tıklayın:
"Yükle" ve (potansiyel olarak sıkıştırılmış) profil dosyasını seçin. Daha ayrıntılı
sonuçları için sol alt köşedeki kutuları tıklayın.
Gezinmek için şu klavye denetimlerini kullanabilirsiniz:
- "Seç" için
1
tuşlarına basın yatırım yapmanız önemlidir. Bu modda, tıklayın (sol alt köşeye bakın). Özet ve toplu istatistikler almak için birden fazla etkinlik seçin. - "Kaydır" için
2
tuşlarına basın yatırım yapmanız önemlidir. Ardından görünümü hareket ettirmek için fareyi sürükleyin. Siz sağa/sola gitmek içina
/d
tuşlarını da kullanabilirsiniz. - "Yakınlaştırma" için
3
tuşlarına basın yatırım yapmanız önemlidir. Ardından, yakınlaştırmak için fareyi sürükleyin. Şunları yapabilirsiniz: yakınlaştırmak/uzaklaştırmak içinw
/s
tuşlarını da kullanın. - "Zamanlama" için
4
tuşlarına basın Mesafeyi ölçebileceğiniz bir mod iki etkinlik vardır. - Tüm kontroller hakkında bilgi edinmek için
?
tuşuna basın.
Profil bilgileri
Örnek profil:
Şekil 1. Örnek profil.
Bazı özel satırlar vardır:
action counters
: Yayında olan eşzamanlı işlem sayısını gösterir. Sonraki slayta geçin tıklayın. Şu para birimi cinsinden--jobs
değerine kadar olmalı: ele alacağız.cpu counters
: Derlemenin her saniyesi için CPU miktarını gösterir (1 değeri, bir çekirdeğin% 100 meşgul olduğunu gösterir).Critical Path
: Kritik yoldaki her işlem için bir blok görüntüler.grpc-command-1
: Bazel'in ana ileti dizisi. Müşteriyi genel hatlarıyla tanımanıza yardımcı olur. Örneğin, "Launch Bazel", "assessTargetPatterns", ve "runAnalysisPhase" gibi.Service Thread
: Küçük ve önemli Çöp Toplama (GC) duraklatmalarını gösterir.
Diğer satırlar Bazel ileti dizilerini temsil eder ve bu ileti dizisindeki tüm etkinlikleri gösterir.
Sık karşılaşılan performans sorunları
Performans profillerini analiz ederken şunlara dikkat edin:
- Beklenenden daha yavaş analiz aşaması (
runAnalysisPhase
), özellikle iyi bir fırsattır. Bu durum, normal koşullarda tek bir örnek verelim. Paketin yüklenmesi aşırı miktarda hedef, karmaşık makrolar veya özyinelemeli glob'lar. - Bağımsız yavaş işlemler, özellikle de kritik yoldakiler. Projenin
küçük işlemleri birden fazla küçük işleme bölmek veya
bir dizi (geçişli) bağımlılıktan oluşur. Ayrıca, olağandışı bir
PROCESS_TIME
olmayan yüksek değer (REMOTE_SETUP
veyaFETCH
gibi). - Performans sorunları; az sayıda ileti dizisi meşgulken diğer tüm ileti dizileri boşta kalma / sonuç bekleniyor (yukarıdaki ekran görüntüsünde yaklaşık 15-30 saniyeye bakın). Bunu optimize etmek için büyük olasılıkla kural uygulamalarına dokunmak gerekecektir. veya Bazel'in kendisini tanıtacağını düşünüyor. Bu durum, olağanüstü miktarda GC var.
Profil dosya biçimi
Üst düzey nesne, meta verileri (otherData
) ve gerçek izleme verilerini içerir
(traceEvents
). Meta veri, çağrı kimliği gibi ek bilgiler içerir
ve Bazel çağrı tarihini belirtin.
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 damgaları (ts
) ve süreler (dur
)
mikrosaniyedir. Kategori (cat
), ProfilerTask
enum değerlerinden biri.
Çok kısa ve çok yakın olan bazı etkinliklerin birleştirildiğini unutmayın.
birbiri ile; aşağıdaki işlemleri yapabilirsiniz: --noslim_json_profile
engelleyebilirsiniz.
Ayrıca bkz. Chrome İzleme Etkinlik Biçimi Spesifikasyonu.
analyze-profile
Bu profil oluşturma yöntemi iki adımdan oluşur. Önce
--profile
işaretiyle derleme/test etme gibi
$ bazel build --profile=/tmp/prof //path/to:target
Oluşturulan dosya (bu örnekte /tmp/prof
),
analyze-profile
komutuyla son işlenip analiz edilir:
$ bazel analyze-profile /tmp/prof
Varsayılan olarak, belirtilen profilin özet analiz bilgilerini yazdırır veri dosyası olarak kaydeder. Bu, her biri için farklı görev türlerine ilişkin kümülatif istatistikleri içerir kritik yolun analizini yapmak.
Varsayılan çıkışın ilk bölümü, harcanan süreye genel bir bakıştır. farklı aşamalarında ele alacağız:
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 özelliklerini kontrol etmenize yardımcı olabilecek yerleşik bir bellek profil oluşturucusuyla birlikte gelir. bazı işaretler vardır. Bir sorun olursa soruna neden olan kod satırını kullanın.
Bellek izlemeyi etkinleştirme
Şu 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
Bunlar sunucuyu bellek izleme modunda başlatır. Bunları bir süre sonra unutsanız bile sunucu yeniden başlatılır ve baştan başlamanız gerekir.
Bellek İzleyici'yi kullanma
Örnek olarak, foo
hedefine bakın ve ne işe yaradığını görün. Yalnızca alıcı
çalıştırma aşamasını çalıştırmadan analizi çalıştırıyorsanız
--nobuild
işareti.
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
Daha sonra, tüm Bazel örneğinin tükettiği bellek miktarına bakın:
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
bazel dump --rules
kullanarak veri miktarını kural sınıfına göre bölün:
$ 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)
Bir pprof
dosyası oluşturarak belleğin nereye gittiğine bakın
bazel dump --skylark_memory
kullanılarak:
$ 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. İyi bir başlangıç noktası
pprof -flame $HOME/prof.gz
kullanarak flame grafiği alınıyor.
pprof
uygulamasını https://github.com/google/pprof adresinden indirebilirsiniz.
En popüler telefon araması 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)