규칙을 작성할 때 가장 일반적인 성능 허점은 종속 항목에서 누적된 데이터를 순회하거나 복사하는 것입니다. 전체 빌드에서 이러한 작업을 집계하면 쉽게 O(N^2) 시간이나 공간을 사용할 수 있습니다. 이를 방지하려면 depset을 효과적으로 사용하는 방법을 이해하는 것이 중요합니다.
이 작업은 제대로 하기 어려울 수 있으므로 Bazel은 사용자가 실수한 부분을 찾도록 도와주는 메모리 프로파일러도 제공합니다. 주의: 비효율적인 규칙을 작성하는 데 드는 비용은 그 규칙이 널리 사용되기 전까지는 확실히 알 수 없습니다.
depset 사용
규칙 종속 항목의 정보를 롤업할 때마다 depsets를 사용해야 합니다. 일반 목록이나 사전을 사용하여 현재 규칙에 로컬인 정보를 게시합니다.
depset은 공유를 사용 설정하는 중첩 그래프로 정보를 나타냅니다.
다음 그래프를 살펴보세요.
C -> B -> A
D ---^
각 노드는 단일 문자열을 게시합니다. depset를 사용하면 데이터는 다음과 같습니다.
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
각 항목은 한 번만 언급됩니다. 목록을 사용하면 다음과 같은 이점이 있습니다.
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
이 경우 'a'
가 4번 언급됩니다. 그래프가 클수록 이 문제는 더 악화될 뿐입니다.
다음은 depset를 올바르게 사용하여 전이 정보를 게시하는 규칙 구현의 예입니다. O(N^2)가 아니므로 원하는 경우 목록을 사용하여 규칙 로컬 정보를 게시해도 됩니다.
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
)]
자세한 내용은 Depset 개요 페이지를 참조하세요.
depset.to_list()
호출 방지
to_list()
를 사용하여 depset를 단순 목록으로 강제 변환할 수 있지만, 이렇게 하면 일반적으로 O(N^2) 비용이 발생합니다. 가능하면 디버깅 목적을 제외하고는 depset를 평면화하지 마세요.
일반적인 오해는 빌드 그래프의 각 수준에 비용이 누적되지 않기 때문에 <xx>_binary
규칙과 같은 최상위 타겟에서만 실행하는 경우 자유롭게 depset을 평면화할 수 있다는 것입니다. 그러나 종속 항목이 겹치는 타겟 집합을 빌드할 때는 여전히 O(N^2)입니다. 이는 테스트 //foo/tests/...
를 빌드할 때 또는 IDE 프로젝트를 가져올 때 발생합니다.
depset
에 대한 호출 수 줄이기
루프 내에서 depset
를 호출하는 것은 실수인 경우가 많습니다. 매우 깊이 중첩되어 성능이 저하되는
디버셋이 발생할 수 있습니다 예를 들면 다음과 같습니다.
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
이 코드는 쉽게 교체할 수 있습니다. 먼저 전이 depset를 수집하여 한 번에 병합합니다.
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
때때로 목록 이해를 사용하여 이를 줄일 수 있습니다.
x = depset(transitive = [i.deps for i in inputs])
명령줄에 ctx.actions.args() 사용
명령줄을 빌드할 때는 ctx.actions.args()를 사용해야 합니다. 이렇게 하면 모든 depset가 실행 단계로 확장됩니다.
이렇게 하면 엄격하게 빨라지는 것 외에도 규칙의 메모리 소비가 가끔씩 90% 이상 줄어듭니다.
다음은 몇 가지 유용한 정보입니다.
depset 및 목록을 직접 평면화하는 대신 인수로 직접 전달합니다.
ctx.actions.args()
까지 확장됩니다. depset 콘텐츠에 대한 변환이 필요한 경우 ctx.actions.args#add를 참조하여 적합한 것이 있는지 확인하세요.File#path
을 인수로 전달하나요? 그럴 필요가 없습니다. 모든 파일은 자동으로 경로로 전환되어 확장 시간으로 지연됩니다.문자열을 함께 연결하여 문자열을 구성하지 마세요. 최적의 문자열 인수는 메모리가 규칙의 모든 인스턴스 간에 공유되므로 상수입니다.
인수가 명령줄에 비해 너무 길면
ctx.actions.args()
객체가ctx.actions.args#use_param_file
를 사용하여 매개변수 파일에 조건부 또는 무조건 작성될 수 있습니다. 이 작업은 작업이 실행될 때 백그라운드에서 실행됩니다. 매개변수 파일을 명시적으로 제어해야 하는 경우ctx.actions.write
를 사용하여 수동으로 작성할 수 있습니다.
예:
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
임시 작업 입력은 분리해야 합니다.
ctx.actions.run을 사용하여 작업을 빌드할 때 inputs
필드가 depset을 허용한다는 것을 잊지 마세요. 종속 항목에서 입력이 전이적으로 수집될 때마다 이 메서드를 사용합니다.
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
걸이식
Bazel이 걸려 있지 않으면 Ctrl-\를 누르거나 Bazel에 SIGQUIT
신호 (kill -3 $(bazel info server_pid)
)를 보내 $(bazel info output_base)/server/jvm.out
파일에서 스레드 덤프를 가져올 수 있습니다.
bazel이 중단된 경우 bazel info
를 실행하지 못할 수 있으므로 output_base
디렉터리는 일반적으로 작업공간 디렉터리에 있는 bazel-<workspace>
심볼릭 링크의 상위 요소입니다.
성능 프로파일링
Bazel은 기본적으로 JSON 프로필을 출력 베이스의 command.profile.gz
에 작성합니다. --profile
플래그로 위치를 구성할 수 있습니다(예: --profile=/tmp/profile.gz
). .gz
로 끝나는 위치는 GZIP으로 압축됩니다.
결과를 확인하려면 Chrome 브라우저 탭에서 chrome://tracing
를 열고 'Load (로드)'를 클릭한 다음 압축되었을 수 있는 프로필 파일을 선택합니다. 더 자세한 결과를 보려면 왼쪽 하단 모서리에 있는 상자를 클릭합니다.
다음 키보드 컨트롤을 사용하여 탐색할 수 있습니다.
- '선택' 모드로 전환하려면
1
키를 누릅니다. 이 모드에서는 특정 상자를 선택하여 이벤트 세부정보를 검사할 수 있습니다 (왼쪽 하단 참조). 여러 이벤트를 선택하여 요약 및 집계된 통계를 확인합니다. - '화면 이동' 모드를 보려면
2
키를 누릅니다. 그런 다음 마우스를 드래그하여 보기를 이동합니다.a
/d
를 사용하여 왼쪽/오른쪽으로 이동할 수도 있습니다. - '확대/축소' 모드를 사용하려면
3
키를 누릅니다. 그런 다음 마우스를 드래그하여 확대/축소합니다.w
/s
를 사용하여 확대/축소할 수도 있습니다. - 두 이벤트 간의 거리를 측정할 수 있는 '타이밍' 모드의 경우
4
를 누릅니다. ?
키를 눌러 모든 컨트롤에 대해 알아보세요.
프로필 정보
프로필 예:
그림 1. 프로필 예
다음과 같은 몇 가지 특수 행이 있습니다.
action counters
: 진행 중인 동시 작업 수를 표시합니다. 클릭하면 실제 값을 확인할 수 있습니다. 클린 빌드에서--jobs
값까지 내려가야 합니다.cpu counters
: 빌드의 매초마다 Bazel에서 사용하는 CPU의 양을 표시합니다 (값 1은 100% 사용 중인 코어 1개와 같음).Critical Path
: 중요 경로의 각 작업에 대해 하나의 블록을 표시합니다.grpc-command-1
: Bazel의 기본 스레드입니다. Bazel이 수행하는 작업을 대략적으로 파악하는 데 유용합니다(예: 'Launch Bazel', 'evaluateTargetPatterns', 'runAnalysisPhase').Service Thread
: 소규모 및 주요 가비지 컬렉션 (GC) 일시중지를 표시합니다.
다른 행은 Bazel 스레드를 나타내며 해당 스레드의 모든 이벤트를 표시합니다.
일반적인 성능 문제
성능 프로필을 분석할 때는 다음을 확인하세요.
- 특히 증분 빌드에서 예상보다 느린 분석 단계 (
runAnalysisPhase
)가 느립니다. 이는 depset을 평면화하는 것과 같은 잘못된 규칙 구현의 신호일 수 있습니다. 패키지 로드는 과도한 양의 타겟, 복잡한 매크로 또는 반복적 glob로 인해 느려질 수 있습니다. - 개별 느린 작업, 특히 중요한 경로에 있는 작업 큰 작업을 여러 개의 작은 작업으로 분할하거나 (전이) 종속 항목 집합을 줄여 속도를 높일 수 있습니다. 또한
PROCESS_TIME
가 아닌 비정상적으로 높은 수치가 있는지 확인합니다 (예:REMOTE_SETUP
또는FETCH
). - 소수의 스레드에 해당하는 병목 현상은 다른 모든 스레드가 결과를 유휴하거나 기다리는 동안 바쁜 상태입니다 (위의 스크린샷에서 약 15~30초 참고). 이를 최적화하려면 더 많은 동시 로드를 도입하기 위해 규칙 구현이나 Bazel 자체를 수정해야 할 가능성이 높습니다. 이는 GC의 양이 비정상적일 때도 발생할 수 있습니다.
프로필 파일 형식
최상위 객체에는 메타데이터(otherData
)와 실제 추적 데이터(traceEvents
)가 포함됩니다. 메타데이터에는 추가 정보(예: Bazel 호출의 호출 ID 및 날짜)가 포함됩니다.
예:
{
"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}
]
}
트레이스 이벤트의 타임스탬프 (ts
) 및 지속 시간 (dur
)은 마이크로초 단위로 제공됩니다. 카테고리 (cat
)는 ProfilerTask
의 열거형 값 중 하나입니다.
일부 이벤트는 매우 짧고 서로 가까운 경우 병합됩니다. 이벤트 병합을 방지하려면 --noslim_json_profile
를 전달합니다.
Chrome 트레이스 이벤트 형식 사양도 참고하세요.
분석-프로필
이 프로파일링 방법은 두 단계로 구성됩니다. 먼저 --profile
플래그를 사용하여 빌드/테스트를 실행해야 합니다. 예를 들면 다음과 같습니다.
$ bazel build --profile=/tmp/prof //path/to:target
생성된 파일 (이 경우 /tmp/prof
)은 바이너리 파일로, analyze-profile
명령어로 후처리되고 분석할 수 있습니다.
$ bazel analyze-profile /tmp/prof
기본적으로 지정된 프로필 데이터 파일의 요약 분석 정보를 출력합니다. 여기에는 각 빌드 단계의 다양한 작업 유형에 관한 누적 통계와 중요 경로 분석이 포함됩니다.
기본 출력의 첫 번째 섹션은 여러 빌드 단계에 소요된 시간에 관한 개요입니다.
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
메모리 프로파일링
Bazel에는 규칙의 메모리 사용을 확인하는 데 도움이 되는 메모리 프로파일러가 내장되어 있습니다. 문제가 발생하면 힙을 덤프하여 문제를 일으키는 정확한 코드 줄을 찾을 수 있습니다.
메모리 추적 사용 설정
다음 두 시작 플래그를 모든 Bazel 호출에 전달해야 합니다.
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
이렇게 하면 메모리 추적 모드에서 서버가 시작됩니다. Bazel 호출을 한 번이라도 잊어버리면 서버가 다시 시작되므로 다시 시작해야 합니다.
메모리 추적기 사용
예를 들어 타겟 foo
를 살펴보고 기능을 확인합니다. 분석만 실행하고 빌드 실행 단계를 실행하지 않으려면 --nobuild
플래그를 추가합니다.
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
다음으로 전체 Bazel 인스턴스에서 사용하는 메모리 양을 확인합니다.
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
bazel dump --rules
를 사용하여 규칙 클래스별로 분류합니다.
$ 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)
bazel dump --skylark_memory
를 사용하여 pprof
파일을 생성하여 메모리의 방향을 확인합니다.
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
pprof
도구를 사용하여 힙을 조사합니다. 먼저 pprof -flame $HOME/prof.gz
를 사용하여 Flame 그래프를 가져오는 것이 좋습니다.
https://github.com/google/pprof에서 pprof
를 가져옵니다.
줄 주석이 달린 가장 인기 있는 통화 사이트의 텍스트 덤프를 가져옵니다.
$ 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)