Saat menulis aturan, masalah performa yang paling umum adalah menjelajahi atau menyalin data yang diakumulasikan dari dependensi. Jika digabungkan di seluruh build, operasi ini dapat dengan mudah menghabiskan waktu atau ruang O(N^2). Untuk menghindari hal ini, penting untuk memahami cara menggunakan depset secara efektif.
Hal ini mungkin sulit dilakukan dengan benar, sehingga Bazel juga menyediakan profiler memori yang membantu Anda menemukan tempat Anda mungkin melakukan kesalahan. Perhatikan: Biaya penulisan aturan yang tidak efisien mungkin tidak terlihat sampai aturan tersebut digunakan secara luas.
Menggunakan depset
Setiap kali menggabungkan informasi dari dependensi aturan, Anda harus menggunakan depsets. Hanya gunakan daftar atau kamus biasa untuk memublikasikan informasi lokal ke aturan saat ini.
Depset mewakili informasi sebagai grafik bertingkat yang memungkinkan pembagian.
Perhatikan grafik berikut:
C -> B -> A
D ---^
Setiap node memublikasikan satu string. Dengan depset, data akan terlihat seperti ini:
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
Perhatikan bahwa setiap item hanya disebutkan satu kali. Dengan daftar, Anda akan mendapatkan ini:
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
Perhatikan bahwa dalam kasus ini, 'a' disebutkan empat kali. Dengan grafik yang lebih besar, masalah ini
akan semakin memburuk.
Berikut adalah contoh penerapan aturan yang menggunakan depset dengan benar untuk memublikasikan informasi transitif. Perhatikan bahwa Anda dapat memublikasikan informasi lokal aturan menggunakan daftar jika mau karena ini bukan 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
)]
Lihat halaman ringkasan depset untuk mengetahui informasi selengkapnya.
Menghindari memanggil depset.to_list()
Anda dapat memaksa depset ke daftar datar menggunakan
to_list(), tetapi melakukannya biasanya menghasilkan biaya
O(N^2). Jika memungkinkan, hindari penyederhanaan depset kecuali untuk tujuan
proses debug.
Kesalahpahaman yang umum adalah Anda dapat dengan bebas meratakan depset jika hanya melakukannya
pada target tingkat atas, seperti aturan <xx>_binary, karena biaya tidak
diakumulasikan pada setiap level grafik build. Namun, ini masih O(N^2) saat
Anda mem-build sekumpulan target dengan dependensi yang tumpang-tindih. Hal ini terjadi saat
mem-build //foo/tests/... pengujian, atau saat mengimpor project IDE.
Mengurangi jumlah panggilan ke depset
Memanggil depset di dalam loop sering kali merupakan sebuah kesalahan. Hal ini dapat menyebabkan depset dengan
nesting yang sangat dalam, yang berperforma buruk. Contoh:
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
Kode ini dapat diganti dengan mudah. Pertama, kumpulkan depset transitif dan gabungkan semuanya sekaligus:
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
Hal ini terkadang dapat dikurangi menggunakan pemahaman daftar:
x = depset(transitive = [i.deps for i in inputs])
Menggunakan ctx.actions.args() untuk command line
Saat membuat command line, Anda harus menggunakan ctx.actions.args(). Tindakan ini akan menunda perluasan depset ke fase eksekusi.
Selain lebih cepat, hal ini akan mengurangi konsumsi memori aturan Anda -- terkadang hingga 90% atau lebih.
Berikut beberapa triknya:
Teruskan depset dan daftar secara langsung sebagai argumen, bukan meratakan sendiri. Semuanya akan diperluas oleh
ctx.actions.args()untuk Anda. Jika Anda memerlukan transformasi pada konten depset, lihat ctx.actions.args#add untuk melihat apakah ada yang sesuai dengan kebutuhan.Apakah Anda meneruskan
File#pathsebagai argumen? Tidak perlu. Setiap File akan otomatis diubah menjadi jalurnya, yang ditangguhkan hingga waktu ekspansi.Hindari membuat string dengan menggabungkannya. Argumen string terbaik adalah konstanta karena memorinya akan dibagikan di antara semua instance aturan Anda.
Jika argumen terlalu panjang untuk command line, objek
ctx.actions.args()dapat ditulis secara bersyarat atau tanpa syarat ke file parameter menggunakanctx.actions.args#use_param_file. Tindakan ini dilakukan di belakang layar saat tindakan dijalankan. Jika perlu mengontrol file parameter secara eksplisit, Anda dapat menulisnya secara manual menggunakanctx.actions.write.
Contoh:
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
Input tindakan transitif harus depset
Saat mem-build tindakan menggunakan ctx.actions.run, jangan
lupa bahwa kolom inputs menerima depset. Gunakan metode ini setiap kali input
dikumpulkan dari dependensi secara transitif.
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
Gantung
Jika Bazel tampaknya sedang hang, Anda dapat menekan Ctrl-\ atau mengirim
sinyal SIGQUIT (kill -3 $(bazel info server_pid)) kepada Bazel untuk mendapatkan thread
dump dalam file $(bazel info output_base)/server/jvm.out.
Karena Anda mungkin tidak dapat menjalankan bazel info jika bazel berhenti berfungsi, direktori
output_base biasanya merupakan induk dari symlink
bazel-<workspace> di direktori ruang kerja Anda.
Profiling performa
Bazel menulis profil JSON ke command.profile.gz di basis output secara
default. Anda dapat mengonfigurasi lokasi dengan flag
--profile, misalnya
--profile=/tmp/profile.gz. Lokasi yang diakhiri dengan .gz akan dikompresi dengan
GZIP.
Untuk melihat hasilnya, buka chrome://tracing di tab browser Chrome, klik
"Muat", lalu pilih file profil (yang mungkin dikompresi). Untuk hasil yang lebih detail, klik kotak di sudut kiri bawah.
Anda dapat menggunakan kontrol keyboard ini untuk menavigasi:
- Tekan
1untuk mode "pilih". Dalam mode ini, Anda dapat memilih kotak tertentu untuk memeriksa detail peristiwa (lihat sudut kiri bawah). Pilih beberapa peristiwa untuk mendapatkan statistik gabungan dan ringkasan. - Tekan
2untuk mode "geser". Kemudian, tarik mouse untuk memindahkan tampilan. Anda juga dapat menggunakana/duntuk berpindah ke kiri/kanan. - Tekan
3untuk mode "zoom". Kemudian, tarik mouse untuk melakukan zoom. Anda juga dapat menggunakanw/suntuk memperbesar/memperkecil. - Tekan
4untuk mode "timing" tempat Anda dapat mengukur jarak antara dua peristiwa. - Tekan
?untuk mempelajari semua kontrol.
Informasi profil
Contoh profil:
Gambar 1. Contoh profil.
Ada beberapa baris khusus:
action counters: Menampilkan jumlah tindakan serentak yang sedang berlangsung. Klik nilai tersebut untuk melihat nilai sebenarnya. Harus naik ke nilai--jobsdalam build bersih.cpu counters: Untuk setiap detik build, menampilkan jumlah CPU yang digunakan oleh Bazel (nilai 1 sama dengan satu core yang 100% sibuk).Critical Path: Menampilkan satu blok untuk setiap tindakan di jalur penting.grpc-command-1: Thread utama Bazel. Berguna untuk mendapatkan gambaran tingkat tinggi tentang hal yang dilakukan Bazel, misalnya "Launch Bazel", "EvaluationTargetPatterns", dan "runAnalysisPhase".Service Thread: Menampilkan jeda Pengumpulan Sampah (GC) kecil dan besar.
Baris lainnya mewakili thread Bazel dan menampilkan semua peristiwa di thread tersebut.
Masalah performa umum
Saat menganalisis profil performa, cari:
- Fase analisis lebih lambat dari yang diharapkan (
runAnalysisPhase), terutama pada build inkremental. Hal ini dapat menjadi tanda implementasi aturan yang buruk, misalnya yang meratakan depset. Pemuatan paket dapat menjadi lambat karena jumlah target, makro kompleks, atau glob rekursif yang berlebihan. - Tindakan lambat individual, terutama yang ada di jalur kritis. Anda mungkin
dapat membagi tindakan besar menjadi beberapa tindakan yang lebih kecil atau mengurangi
kumpulan dependensi (transitif) untuk mempercepatnya. Periksa juga non-
PROCESS_TIMEtinggi yang tidak biasa (sepertiREMOTE_SETUPatauFETCH). - Bottleneck, yaitu sejumlah kecil thread sedang sibuk sementara yang lainnya tidak ada aktivitas/menunggu hasil (lihat sekitar 15 detik-30 detik di screenshot di atas). Untuk mengoptimalkannya, Anda kemungkinan besar harus menyentuh implementasi aturan atau Bazel itu sendiri untuk memperkenalkan lebih banyak paralelisme. Hal ini juga dapat terjadi ketika ada jumlah GC yang tidak biasa.
Format file profil
Objek level atas berisi metadata (otherData) dan data pelacakan aktual
(traceEvents). Metadata ini berisi info tambahan, misalnya ID pemanggilan
dan tanggal pemanggilan Bazel.
Contoh:
{
"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}
]
}
Stempel waktu (ts) dan durasi (dur) dalam peristiwa rekaman aktivitas diberikan dalam
mikrodetik. Kategori (cat) adalah salah satu nilai enum ProfilerTask.
Perhatikan bahwa beberapa peristiwa akan digabungkan jika sangat singkat dan berdekatan
satu sama lain; teruskan --noslim_json_profile jika Anda ingin
mencegah penggabungan peristiwa.
Lihat juga Spesifikasi Format Peristiwa Rekaman Aktivitas Chrome.
analyze-profile
Metode pembuatan profil ini terdiri dari dua langkah, pertama-tama Anda harus menjalankan
build/pengujian dengan flag --profile, misalnya
$ bazel build --profile=/tmp/prof //path/to:target
File yang dihasilkan (dalam hal ini /tmp/prof) adalah file biner, yang dapat
diproses pasca-pemrosesan dan dianalisis oleh perintah analyze-profile:
$ bazel analyze-profile /tmp/prof
Secara default, opsi ini mencetak informasi analisis ringkasan untuk file data profil yang ditentukan. Hal ini mencakup statistik kumulatif untuk berbagai jenis tugas untuk setiap fase build dan analisis jalur kritis.
Bagian pertama output default adalah ringkasan waktu yang dihabiskan pada berbagai fase build:
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
Profiling memori
Bazel dilengkapi dengan memory profiler bawaan yang dapat membantu Anda memeriksa penggunaan memori aturan. Jika ada masalah, Anda dapat membuang heap untuk menemukan baris kode yang tepat yang menyebabkan masalah.
Mengaktifkan pelacakan memori
Anda harus meneruskan dua flag startup ini ke setiap pemanggilan Bazel:
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
Tindakan ini akan memulai server dalam mode pelacakan memori. Jika Anda lupa untuk satu pemanggilan Bazel, server akan dimulai ulang dan Anda harus memulai dari awal.
Menggunakan Pelacak Memori
Sebagai contoh, lihat foo target dan lihat fungsinya. Untuk hanya
menjalankan analisis dan tidak menjalankan fase eksekusi build, tambahkan
flag --nobuild.
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
Selanjutnya, lihat jumlah memori yang digunakan seluruh instance Bazel:
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
Pisahkan menurut class aturan menggunakan bazel dump --rules:
$ 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)
Lihat tujuan memori dengan menghasilkan file pprof
menggunakan bazel dump --skylark_memory:
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
Gunakan alat pprof untuk menyelidiki heap. Titik awal yang baik adalah
mendapatkan grafik api menggunakan pprof -flame $HOME/prof.gz.
Dapatkan pprof dari https://github.com/google/pprof.
Dapatkan dump teks dari situs panggilan terpanas yang dianotasi dengan baris:
$ 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)