编写规则时，最常见的性能误区是遍历或复制从依赖项累积的数据。在整个 build 中进行汇总时，这些操作很容易需要 O(N^2) 的时间或空间。为避免出现这种情况，了解如何有效使用 depset 至关重要。
这可能很难做到，因此 Bazel 还提供了内存性能分析器，可帮助您找出可能出错的地方。请注意：编写效率低下的规则的代价可能在该规则被广泛使用之前并不明显。
使用 depset
每当您要汇总规则依赖项中的信息时，都应使用 depsets。请仅使用普通列表或字典来发布当前规则本地的信息。
依赖项集将信息表示为嵌套图，以便共享。
请考虑以下图表：
C -> B -> A
D ---^
每个节点发布一个字符串。使用 depsets 时，数据如下所示：
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
请注意，每个项目只会被提及一次。使用列表，您可以得到以下结果：
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
请注意，在本例中，'a' 被提及了四次！如果图表较大，这个问题只会变得更糟。
下面的示例展示了一个规则实现，该实现正确使用了 depset 来发布传递信息。请注意，您可以根据需要使用列表发布规则级信息，因为这不是 O(N^2)。
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
)]
如需了解详情，请参阅依赖项集概览页面。
避免调用 depset.to_list()
您可以使用 to_list() 将 depset 强制转换为扁平列表，但这样做通常会导致 O(N^2) 开销。除调试目的外，请尽可能避免对依赖项集进行任何扁平化处理。
一个常见的误解是，如果您仅在顶级目标（例如 <xx>_binary 规则）上展平 depset，则可以随意展平 depset，因为这样做不会在 build 图的每个级别累积费用。但是，如果您构建一组具有重叠依赖项的目标，则仍然是 O(N^2)。在构建测试 //foo/tests/... 或导入 IDE 项目时，就会发生这种情况。
减少对 depset 的调用次数
在循环中调用 depset 通常是错误做法。这可能会导致嵌套极深的 depset，其性能较差。例如：
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
此代码可以轻松替换。首先，收集传递依赖项集并一次性合并它们：
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
有时可以使用列表理解来减少这一限制：
x = depset(transitive = [i.deps for i in inputs])
对命令行使用 ctx.actions.args()
构建命令行时，您应使用 ctx.actions.args()。这会将任何 depset 的展开推迟到执行阶段。
除了速度更快之外，这还会减少规则的内存消耗，有时可减少 90% 或更多。
以下是一些技巧：
直接将 depset 和列表作为参数传递，而不是自行展平它们。
ctx.actions.args()会为您展开这些内容。 如果您需要对 depset 内容进行任何转换，请查看 ctx.actions.args#add，看看是否有任何项目符合该费用。避免通过串联字符串来构造字符串。 最佳字符串参数是常量，因为其内存将在规则的所有实例之间共享。
如果参数对于命令行而言太长，可以使用
ctx.actions.args#use_param_file有条件或无条件地将ctx.actions.args()对象写入参数文件。这是在执行操作时在后台完成的。如果您需要明确控制 params 文件，可以使用ctx.actions.write手动编写该文件。
示例：
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
传递操作输入应为 depset
使用 ctx.actions.run 构建操作时，请记得 inputs 字段接受 Depset。每当从依赖项传递地收集输入时，请使用此方法。
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
悬挂
如果 Bazel 挂起，您可以点击 Ctrl-\ 或向 Bazel 发送 SIGQUIT 信号 (kill -3 $(bazel info server_pid))，以获取 $(bazel info output_base)/server/jvm.out 文件中的线程转储。
由于如果 bazel 挂起，您可能无法运行 bazel info，因此 output_base 目录通常是工作区目录中 bazel-<workspace> 符号链接的父目录。
性能剖析
Bazel 默认会将 JSON 配置文件写入输出基准中的 command.profile.gz。您可以使用 --profile 标志配置位置，例如 --profile=/tmp/profile.gz。以 .gz 结尾的位置信息会使用 GZIP 进行压缩。
如需查看结果，请在 Chrome 浏览器标签页中打开 chrome://tracing，点击“加载”，然后选择（可能已压缩）配置文件。如需查看更详细的结果，请点击左下角的框。
您可以使用以下键盘控件进行导航：
- 按
1进入“选择”模式。在此模式下，您可以选择特定复选框来检查事件详细信息（请参见左下角）。 选择多个活动可获取摘要和汇总统计信息。 - 按
2即可进入“平移”模式。然后拖动鼠标移动视图。您还可以使用a/d向左/向右移动。 - 按
3即可进入“缩放”模式。然后拖动鼠标进行缩放。您还可以使用w/s放大/缩小。 - 按
4进入“计时”模式，在该模式下，您可以测量两个事件之间的距离。 - 按
?即可了解所有控件。
资料信息
配置文件示例：
图 1. 配置文件示例。
其中有一些特殊行：
action counters：显示正在进行的并发操作数量。点击该图标即可查看实际值。在干净 build 中，应不高于--jobs的值。cpu counters：在构建的每一秒内，显示 Bazel 使用的 CPU 量（值为 1 表示一个核心处于 100% 繁忙状态）。Critical Path：针对关键路径上的每个操作显示一个块。grpc-command-1：Bazel 的主线程。有助于大致了解 Bazel 执行的操作，例如“Launch Bazel”“assessTargetPatterns”和“runAnalysisPhase”。Service Thread：显示次要和主要垃圾回收 (GC) 暂停。
其他行代表 Bazel 线程，并显示该线程上的所有事件。
常见性能问题
分析性能配置文件时，请查找以下内容：
- 分析阶段 (
runAnalysisPhase) 的速度比预期慢，尤其是在增量 build 上。这可能表明规则实现不当，例如会扁平化 depset。如果目标数量过多、宏过于复杂或使用了递归的正则表达式，软件包加载速度可能会变慢。 - 个别操作运行缓慢，尤其是关键路径上的操作。您可以将大型操作拆分为多个较小的操作，也可以减少（传递）依赖项集以加快操作速度。此外，请检查非
PROCESS_TIME是否异常偏高（例如REMOTE_SETUP或FETCH）。 - 瓶颈，即少量线程处于忙碌状态，而所有其他线程处于空闲状态 / 等待结果（请参阅上方屏幕截图中的大约 15-30 秒）。若要对此进行优化，很可能需要修改规则实现或 Bazel 本身，以引入更多并行性。如果 GC 次数异常多，也可能会发生这种情况。
配置文件格式
顶级对象包含元数据 (otherData) 和实际跟踪数据 (traceEvents)。元数据包含额外的信息，例如调用 ID 和 Bazel 调用的日期。
示例：
{
"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}
]
}
轨迹事件中的时间戳 (ts) 和时长 (dur) 以微秒为单位。类别 (cat) 是 ProfilerTask 的枚举值之一。请注意，如果某些事件非常短且彼此相近，系统会将它们合并在一起；如果您想阻止事件合并，请传递 --noslim_json_profile。
另请参阅 Chrome 轨迹事件格式规范。
analyze-profile
此性能分析方法包含两个步骤，首先，您必须使用 --profile 标志执行构建/测试，例如，
$ bazel build --profile=/tmp/prof //path/to:target
生成的文件（在本例中为 /tmp/prof）是二进制文件，可以通过 analyze-profile 命令进行后处理和分析：
$ bazel analyze-profile /tmp/prof
默认情况下，它会输出指定配置数据文件的摘要分析信息。其中包括每个构建阶段不同任务类型的累计统计信息，以及对关键路径的分析。
默认输出的第一个部分概要介绍了在不同构建阶段所花费的时间：
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
内存性能分析
Bazel 附带内置内存分析器，可帮助您检查规则的内存用量。如果出现问题，您可以转储堆以找到导致问题的确切代码行。
启用内存跟踪
您必须将以下两个启动标志传递给每次 Bazel 调用：
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
这些操作会以内存跟踪模式启动服务器。如果您在调用 Bazel 时忘记了这些信息，即使只忘记一次，服务器也会重启，并且您将不得不从头开始。
使用内存跟踪器
例如，查看目标 foo 及其用途。如需仅运行分析而不运行构建执行阶段，请添加 --nobuild 标志。
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
接下来，查看整个 Bazel 实例的占用内存量：
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
使用 bazel dump --rules 按规则类别进行细分：
$ 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)
使用 bazel dump --skylark_memory 生成 pprof 文件，了解内存的去向：
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
使用 pprof 工具调查堆。建议您先使用 pprof -flame $HOME/prof.gz 获取火焰图。
从 https://github.com/google/pprof 获取 pprof。
获取热门调用站点的文字转储，并带有行注释：
$ 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)