在编写规则时，最常见的性能陷阱是遍历或复制从依赖项累积的数据。在整个构建过程中进行汇总时，这些操作很容易占用 O(N^2) 时间或空间。为避免这种情况，请务必了解如何有效使用依赖项。
这个过程可能不太容易理解，因此 Bazel 还提供了一个内存分析器，可以协助您找出可能出错的位置。注意：编写低效规则的成本在广泛使用之前可能不会显现。
使用依赖项
每当要汇总规则依赖项中的信息时，都应使用 depset。仅使用普通列表或字典来发布当前规则的本地信息。
depset 将信息表示为支持共享的嵌套图。
请参考下图：
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，每个项目仅提及一次。使用列表，您将得到：
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
请注意，在本示例中，'a' 被提及了四次！如果图表较大，则问题只会变得更糟。
下面是一个规则实现示例，其中正确使用 Depset 来发布传递信息。请注意，如果需要，可以使用列表发布规则局部信息，因为这并不是 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，请参阅依赖项概览页面。
避免调用 depset.to_list()
您可以使用 to_list() 将偏移量强制转换为扁平列表，但这样做通常会导致 O(N^2) 成本。如有可能，请避免出于调试目的对依赖项进行展平。
一个常见的误解是，如果您仅在顶级目标（例如 <xx>_binary 规则）中执行此操作，就可以自由扁平化废弃位置，因为这样一来，费用就不会在 build 图的每个层级上累计。但当您构建一组具有重叠依赖项的目标时，这仍然是 O(N^2)。构建测试 //foo/tests/... 或导入 IDE 项目时会发生这种情况。
减少对 depset 的调用次数
在循环中调用 depset 通常是错误的做法。它可能导致嵌套非常深的废弃，从而导致性能不佳。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，收集传递依赖项并一次性将其合并：
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
这有时可以通过列表推导来减少：
x = depset(transitive = [i.deps for i in inputs])
针对命令行使用 ctx.actions.args()
构建命令行时，您应使用 ctx.actions.args()。这会将任何依赖项的扩展推迟到执行阶段。
除了能够提高严格程度之外，这还会减少规则的内存消耗，有时还会减少 90% 或更多。
下面提供了一些技巧：
直接将 depset 和列表作为参数传递，而不是自行展平。这些内容将在
ctx.actions.args()之前为您展开。 如果您需要对嵌入内容进行任何转换，请查看 ctx.actions.args#add，看看是否有内容符合要求。避免通过将字符串连接在一起来构建字符串。 最佳字符串参数是一个常量，因为它的内存将由规则的所有实例共享。
如果参数对于命令行而言过长，则可以使用
ctx.actions.args#use_param_file有条件地或无条件地将ctx.actions.args()对象写入参数文件。此操作在执行操作时在后台完成。如果您需要明确控制参数文件，可以使用ctx.actions.write手动编写该文件。
例如：
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 字段接受一个偏移量。在以传递方式从依赖项收集输入时，请使用此方法。
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
悬挂式
如果 Bazel 似乎挂起，您可以按 Ctrl-\ 或向 Bazel 发送 SIGQUIT 信号 (kill -3 $(bazel info server_pid))，以获取文件 $(bazel info output_base)/server/jvm.out 中的线程转储。
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> 符号链接的父级。
性能剖析
默认情况下，Bazel 会将 JSON 配置文件写入输出库中的 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（可能已压缩的）配置文件。如需查看更详细的结果，请点击左下角的复选框。
您可以使用以下键盘控件进行导航：
- 按
1可进入“选择”模式。在此模式下，您可以选择特定复选框来检查活动详细信息（见左下角）。选择多个事件即可获取摘要和汇总统计信息。 - 按
2可进入“平移”模式。然后拖动鼠标来移动视图。您还可以使用a/d向左/向右移动。 - 按
3可进入“缩放”模式。然后拖动鼠标以进行缩放。您还可以使用w/s放大/缩小。 - 按
4可进入“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
个人资料示例：
图 1. 个人资料示例。
以下是一些特殊的行：
action counters：显示正在执行的并发操作数量。点击即可查看实际值。在干净 build 中，应达到--jobs的值。cpu counters：在构建期间的每一秒中，显示 Bazel 使用的 CPU 数量（值为 1 表示一个核心 100% 繁忙）。Critical Path：为关键路径上的每项操作显示一个块。grpc-command-1：Bazel 的主线程。这有助于大致了解 Bazel 的功能，例如“启动 Bazel”“评估 TargetPatterns”和“runAnalysisPhase”。Service Thread：显示次要和主要垃圾回收 (GC) 暂停。
其他行表示 Bazel 线程，并显示该线程上的所有事件。
常见的性能问题
分析效果概况时，请注意以下方面：
- 分析阶段 (
runAnalysisPhase) 速度低于预期，尤其是在增量构建上。这可能表明规则实现不合理，例如扁平化依赖项。过多的目标、复杂的宏或递归 glob 可能会导致软件包加载变慢。 - 个别缓慢操作，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，或减少（传递）依赖项集以加快这些操作的速度。此外，还要检查是否存在异常高的非
PROCESS_TIME（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（参见上方屏幕截图中大约 15-30 秒）。 对此进行优化很可能需要处理规则实现或 Bazel 本身，以引入更多并行性。当 GC 数量异常时，也可能发生这种情况。
配置文件格式
顶级对象包含元数据 (otherData) 和实际跟踪数据 (traceEvents)。元数据包含额外信息，例如调用 ID 和 Bazel 调用的日期。
例如：
{
"otherData": {
"build_id": "101bff9a-7243-4c1a-8503-9dc6ae4c3b05",
"date": "Tue Jun 16 08:30:21 CEST 2020",
"profile_finish_ts": "1677666095162000",
"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}
]
}
跟踪事件中的时间戳 (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靠近，则会合并在一起；如果要阻止事件合并，请传递 --noslim_json_profile。
另请参阅 Chrome 跟踪事件格式规范。
分析配置文件
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）是一个二进制文件，可通过 analyze-profile 命令进行后处理和分析：
$ bazel analyze-profile /tmp/prof
默认情况下，它会输出指定配置文件数据文件的摘要分析信息。这包括每个构建阶段不同任务类型的累积统计信息以及关键路径分析。
默认输出的第一部分是不同构建阶段所用时间的概览：
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 附带内置的内存分析器，可帮助您检查规则的内存使用情况。如果出现问题，您可以转储堆，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。如果您忘记了这些步骤，即使是在一次 Bazel 调用中，服务器也会重启，而且您必须重新开始。
使用内存跟踪器
例如，查看目标 foo 并了解其用途。如果只想运行分析，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 实例消耗的内存量：
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
使用 bazel dump --rules 按规则类对其进行细分：
$ 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 文件以查看内存的存储位置：
$ 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。一个很好的起点是使用 pprof -flame $HOME/prof.gz 获取火焰图。
从 https://github.com/google/pprof 获取 pprof。
获取用以下行注释的最热门调用站点的文本转储：
$ 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)