撰寫規則時，最常見的效能陷阱是遍歷或複製從依附元件累積的資料。如果匯總整個建構作業，這些作業很容易就會耗費 O(N^2) 的時間或空間。為避免這種情況，請務必瞭解如何有效使用 depsets。
這項作業可能很難正確完成，因此 Bazel 也提供記憶體剖析器，協助您找出可能出錯的地方。警告： 低效率規則的成本可能要到廣泛使用後才會顯現。
使用 depsets
從規則依附元件匯總資訊時，請一律使用 depset。只能使用純清單或字典，發布目前規則的本機資訊。
depsset 會以巢狀圖的形式呈現資訊，方便您分享。
請參考下圖：
C -> B -> A
D ---^
每個節點都會發布單一字串。使用 depsets 時，資料會如下所示：
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
請注意，每個項目只會提及一次。使用清單時，你會看到以下內容：
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
請注意，本例中 'a' 出現了四次！圖表越大，這個問題就越嚴重。
以下是規則實作範例，其中正確使用 depsets 發布遞移資訊。請注意，如果您想使用清單發布規則本機資訊，是可以的，因為這不是 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
)]
詳情請參閱依附元件集總覽頁面。
避免呼叫 depset.to_list()
您可以使用 to_list() 強制將 depset 轉換為扁平清單，但這麼做通常會導致 O(N^2) 成本。如果可以，請避免將 depsets 扁平化，除非是為了偵錯。
一般常見的誤解是，如果只在頂層目標 (例如 <xx>_binary 規則) 中執行此操作，您就可以隨意扁平化 depsets，因為這樣一來，費用就不會累積在建構圖的每個層級。但如果建構一組具有重疊依附元件的目標，這仍然是 O(N^2)。建構測試 //foo/tests/... 或匯入 IDE 專案時，就會發生這種情況。
減少對 depset 的呼叫次數
在迴圈內呼叫 depset 通常是錯誤的做法。這可能會導致巢狀結構非常深的 depsets，效能不佳。例如：
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
這個代碼可以輕鬆替換。首先，請收集遞移 depsets，然後一次合併所有 depsets：
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
有時可以使用清單理解縮減：
x = depset(transitive = [i.deps for i in inputs])
使用 ctx.actions.args() 取得指令列
建構指令列時，應使用 ctx.actions.args()。這會將任何 depsets 的擴充作業延後至執行階段。
除了速度更快之外，這也會減少規則的記憶體耗用量，有時甚至可減少 90% 以上。
以下提供幾個訣竅：
請直接將 depsets 和清單做為引數傳遞，而不是自行將其扁平化。
ctx.actions.args()會為你擴充這些主題。 如果需要對 deps 集合內容進行任何轉換，請查看 ctx.actions.args#add，確認是否有符合需求的項目。請避免將字串串連在一起來建構字串。 最佳字串引數是常數，因為規則的所有執行個體都會共用其記憶體。
如果引數過長，無法在指令列中輸入，可以使用
ctx.actions.args#use_param_file，將ctx.actions.args()物件有條件或無條件地寫入參數檔案。執行動作時，系統會在幕後完成這項作業。如要明確控管參數檔案，可以使用ctx.actions.write手動編寫。
範例：
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
遞移動作輸入內容應為 depsets
使用 ctx.actions.run 建構動作時，請勿忘記 inputs 欄位接受 depset。只要是從依附元件遞移收集輸入內容，就請使用這項功能。
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
懸掛
如果 Bazel 似乎停止回應，您可以按下 Ctrl-\ 鍵，或傳送 SIGQUIT 信號 (kill -3 $(bazel info server_pid)) 給 Bazel，在 $(bazel info output_base)/server/jvm.out 檔案中取得執行緒傾印。
如果 Bazel 停止回應，您可能無法執行 bazel info，因此 output_base 目錄通常是工作區目錄中 bazel-<workspace> 符號連結的父項。
效能分析
根據預設，Bazel 會將 JSON 設定檔寫入輸出基底的 command.profile.gz。您可以使用 --profile 標記設定位置，例如 --profile=/tmp/profile.gz。結尾為 .gz 的位置會以 GZIP 壓縮。
如要查看結果，請在 Chrome 瀏覽器分頁中開啟 chrome://tracing，然後按一下「載入」並選取 (可能經過壓縮的) 設定檔。如要查看更詳細的結果，請按一下左下角的方塊。
你可以使用下列鍵盤控制項進行瀏覽：
- 按下
1進入「選取」模式。在這個模式下，您可以選取特定方塊，檢查事件詳細資料 (請參閱左下角)。選取多個事件，即可查看摘要和匯總統計資料。 - 按下
2進入「平移」模式。接著拖曳滑鼠即可移動檢視畫面。你也可以使用a/d鍵向左/右移動。 - 按下
3進入「縮放」模式。然後拖曳滑鼠即可縮放。你也可以使用w/s放大/縮小。 - 按下
4進入「計時」模式，即可測量兩個事件之間的距離。 - 按下
?即可瞭解所有控制項。
個人資訊
範例設定檔：
圖 1. 範例設定檔。
以下是幾個特殊資料列：
action counters：顯示目前有多少並行動作正在進行。按一下即可查看實際值。應高於乾淨建構中的--jobs值。cpu counters：顯示 Bazel 在建構期間每秒使用的 CPU 數量 (值為 1 等於一個核心 100% 忙碌)。Critical Path：針對重要路徑上的每個動作顯示一個方塊。grpc-command-1：Bazel 的主要執行緒。有助於瞭解 Bazel 的運作方式，例如「啟動 Bazel」、「evaluateTargetPatterns」和「runAnalysisPhase」。Service Thread：顯示次要和主要垃圾收集 (GC) 暫停。
其他列代表 Bazel 執行緒，並顯示該執行緒上的所有事件。
常見效能問題
分析效能設定檔時，請注意下列事項：
- 分析階段 (
runAnalysisPhase) 比預期慢，尤其是增量建構。這可能表示規則實作不佳，例如將 depsets 扁平化。如果目標數量過多、巨集複雜或全域模式遞迴，套件載入速度可能會很慢。 - 個別緩慢的動作，尤其是重要路徑上的動作。您可以將大型動作拆分成多個較小的動作，或減少 (遞移) 依附元件的集合，藉此加快動作速度。此外，也請檢查是否有異常高的非
PROCESS_TIME值 (例如REMOTE_SETUP或FETCH)。 - 瓶頸，也就是少數執行緒正忙碌，而其他執行緒都處於閒置狀態 / 等待結果 (請參閱上方螢幕截圖中 15 秒到 30 秒左右)。如要進行最佳化，您可能需要觸及規則實作或 Bazel 本身，以導入更多平行處理。如果發生異常大量的垃圾收集事件，也可能導致這種情況。
設定檔格式
頂層物件包含中繼資料 (otherData) 和實際追蹤資料 (traceEvents)。中繼資料包含額外資訊，例如叫用 ID 和 Bazel 叫用日期。
範例：
{
"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}
]
}
追蹤事件中的時間戳記 (ts) 和時間長度 (dur) 皆以微秒為單位。類別 (cat) 是 ProfilerTask 的其中一個列舉值。
請注意，如果某些事件很短且彼此接近，系統會將這些事件合併；如要避免合併事件，請傳遞 --noslim_json_profile。
另請參閱「Chrome 追蹤事件格式規格」。
analyze-profile
這個剖析方法包含兩個步驟，首先您必須使用 --profile 標記執行建構/測試，例如
$ bazel build --profile=/tmp/prof //path/to:target
產生的檔案 (本例中為 /tmp/prof) 是二進位檔案，可透過 analyze-profile 指令進行後續處理和分析：
$ bazel analyze-profile /tmp/prof
根據預設，這項工具會列印指定設定檔資料檔案的摘要分析資訊。包括每個建構階段不同工作類型的累計統計資料，以及重要路徑的分析。
預設輸出的第一節是不同建構階段所花時間的總覽：
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
記憶體用量分析
Bazel 內建記憶體分析器，可協助您檢查規則的記憶體用量。如有問題，您可以傾印堆積，找出造成問題的確切程式碼行。
啟用記憶體追蹤功能
您必須將這兩個啟動標記傳遞至每個 Bazel 叫用：
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
這些會以記憶體追蹤模式啟動伺服器。如果忘記這些資訊，即使只有一次 Bazel 叫用，伺服器也會重新啟動，您必須重新開始。
使用記憶體追蹤器
舉例來說，請查看目標 foo，瞭解其用途。如要只執行分析，而不執行建構階段，請新增 --nobuild 標記。
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
接著，請查看整個 Bazel 執行個體耗用的記憶體量：
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
使用 bazel dump --rules 依規則類別細分：
$ 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)
產生 pprof 檔案，瞭解記憶體用量：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 工具調查堆積。建議您先使用 pprof -flame $HOME/prof.gz 取得火焰圖。
從 https://github.com/google/pprof 取得 pprof。
取得最熱門的呼叫網站文字傾印，並以行註解：
$ 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)