在编写规则时，最常见的性能隐患是遍历或复制 从依赖项累积的数据。从整体上汇总时 因此这些操作很容易占用 O(N^2) 时间或空间。为了避免这种情况， 对了解如何有效使用抑郁症至关重要。
这可能很难正确实现，因此 Bazel 还提供了一个内存分析器 可帮助您找出可能犯错的地方。注意： 在将低效规则纳入考量范围之前， 广泛使用。
使用 Depset
每当从规则依赖项中汇总信息时，都应该使用 depsets。仅使用普通列表或字典来发布信息 当前规则的本地区域。
Depset 将信息表示为支持共享的嵌套图表。
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，每项只会被提及一次。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！对于较大的图表，
问题只会变得更糟。
以下是正确使用 Depset 的规则实施示例， 发布传递信息。请注意，可以在本地发布规则 使用列表获取信息，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 depset 概览页面。
避免调用 depset.to_list()
您可以使用
to_list()，但这样做通常会导致 O(N^2)
费用。尽可能避免除调试之外的任何展平设置
目的。
一个常见的误解是，如果只这样做，你就可以自由地平缓心情
（例如 <xx>_binary 规则），则费用不是
累积的值。但仍然
您需要构建一组具有重叠依赖项的目标。这种情况会发生在
构建测试 //foo/tests/... 或在导入 IDE 项目时。
减少对 depset 的调用次数
在循环中调用 depset 通常是错误做法。它可能导致
非常深的嵌套，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，收集传递性偏差，然后 一次性合并所有标签：
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，您应该使用 ctx.actions.args()。 这样一来，所有推迟的扩展都会推迟到执行阶段。
除了严格提升速度之外，这还可以减少 有时可能会高出 90% 甚至更多
以下是一些技巧：
直接以实参形式传递 Depset 和列表，而不是展平它们 。系统会为您增加
ctx.actions.args()的存储空间。 如果您需要对废弃内容进行任何转换，请查看 查看是否有任何项目需要支付相应费用，请查看 ctx.actions.args#add。通过将字符串串联在一起来构造字符串。 最好的字符串参数是一个常量，因为其内存将在 规则的所有实例
如果参数对命令行而言太长，则会添加
ctx.actions.args()对象 可以使用ctx.actions.args#use_param_file。这是 在执行操作时在后台完成的操作如果您需要明确指定 参数文件，您可以使用ctx.actions.write。
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
传递操作输入应已停用
使用 ctx.actions.run 构建操作时，请勿
请记住，inputs 字段接受 depset。当输入为
从依赖项中传递。
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
悬挂式
如果 Bazel 显示为挂起，可以按 Ctrl-\ 或发送
通过 Bazel 的 SIGQUIT 信号 (kill -3 $(bazel info server_pid)) 获取线程
转储到文件$(bazel info output_base)/server/jvm.out中。
由于如果 bazel 处于挂起状态，您可能无法运行 bazel info，因此
output_base 目录通常是 bazel-<workspace> 的父级
符号链接。
性能剖析
Bazel 通过以下方式将 JSON 配置文件写入输出库中的 command.profile.gz：
默认值。您可以使用
--profile 标志，例如：
--profile=/tmp/profile.gz。以 .gz 结尾的位置使用
GZIP。
如需查看结果，请在 Chrome 浏览器标签页中打开 chrome://tracing，然后点击
“加载”并选择（可能经过压缩的）配置文件。如需详细了解
请点击左下角的方框。
您可以使用以下键盘控件进行导航：
- 按
1即可选择“选择”模式。在此模式下，您可以选择 特定框来检查事件详情（请参见左下角）。 选择多个事件可获取摘要和汇总统计信息。 - 按
2可进行“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可进行“缩放”模式。然后拖动鼠标进行缩放。您可以 也可使用w/s进行缩放。 - 按
4即可选择“计时”在这个模式下，你可以测量距离 两个事件之间的时间间隔 - 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。
以下是一些特殊行：
action counters：显示正在进行的并发操作数。点击 以查看实际值。应提高到--jobs的值， 干净 build。cpu counters：在构建过程中每秒钟显示 CPU 数量 （值为 1 表示一个核心处于 100% 忙碌状态）。Critical Path：为关键路径上的每个操作显示一个块。grpc-command-1：Bazel 的主线程。有助于您简要了解 Bazel 正在执行的操作，例如“启动 Bazel”“评估目标模式” 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，请注意查看以下内容：
- 比预期分析阶段 (
runAnalysisPhase) 慢，尤其是在 增量构建。这可能表明规则实施效果不佳， 软件包加载可能会 过多的目标、复杂的宏或递归的 glob。 - 个别缓慢的操作，尤其是关键路径上的操作。它的
将大型操作拆分为多个较小的操作，或减少
一组（传递）依赖项来加快它们的运行速度。此外，还要检查是否有异常
高非
PROCESS_TIME（如REMOTE_SETUP或FETCH）。 - 瓶颈，即少量线程正忙，而其他线程则忙 空闲 / 等待结果（参见上方屏幕截图中的大约 15-30 秒）。 对此进行优化很可能需要涉及规则的实施 或 Bazel 本身来引入更多并行性。在下列情况下，也会出现上述情况 GC 异常量
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
Bazel 调用的日期和日期
示例：
{
"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。类别 (cat) 是 ProfilerTask 的枚举值之一。
请注意，如果某些事件非常短且接近
相互通信；如果您希望--noslim_json_profile
阻止事件合并
另请参阅 Chrome 跟踪事件格式规范。
analyze-profile
此分析方法包含两个步骤，首先，您必须
使用 --profile 标志进行构建/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，该文件可以是
使用 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的摘要分析信息 数据文件。这包括每种任务中不同任务类型的累计统计信息 构建阶段以及关键路径分析。
默认输出的第一部分是所花费时间的概览 不同构建阶段：
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
内存分析
Bazel 附带一个内置的内存分析器，可以帮助您检查规则的 内存用量。如果出现问题，您可以转储相应堆以查找 导致该问题的确切代码行。
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 一次 Bazel 调用，服务器将重新启动，而您必须重新开始
使用内存跟踪器
例如，查看目标 foo 及其作用。仅接收者
运行分析而不是运行构建执行阶段，添加
--nobuild 标志。
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
接下来，查看整个 Bazel 实例使用了多少内存：
$ 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)
通过生成 pprof 文件来查看内存的流向
使用 bazel dump --skylark_memory：
$ 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。建议您从
使用 pprof -flame $HOME/prof.gz 获取火焰图。
从 https://github.com/google/pprof 获取 pprof。
获取用几行注释的最常用调用点的文本转储：
$ 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)