优化性能

<ph type="x-smartling-placeholder"></ph> 报告问题 查看来源 敬上 每晚 · 7.3。 · 7.2 条 · 7.1。 · 7.0。 · 6.5

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。这可能导致 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

  • 您是否将 File#path 作为参数传递?不需要。不限 文件会自动转换为 path,将推迟到展开时间。

  • 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:

  • 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。
  • 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。
  • 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。
  • 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
  • ? 即可了解所有控件。

资料信息

个人资料示例:

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_SETUPFETCH)。
  • 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 内置了内存分析器,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。

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)