Kural yazarken en yaygın performans sorunu, bağımlılıklardan toplanan verileri incelemek veya kopyalamaktır. Derlemenin tamamı boyunca toplandığında bu işlemler kolayca O(N^2) zaman veya alan alabilir. Bundan kaçınmak için, sunumların etkili şekilde nasıl kullanılacağını anlamak çok önemlidir.
Bunu doğru şekilde yapmak zor olabilir. Bu nedenle Bazel, hata yapmış olabileceğiniz noktaları bulmanıza yardımcı olan bir bellek profilleyici de sağlar. Uyarılı olun: Verimsiz bir kural yazmanın maliyeti, yaygın kullanıma sunulana kadar belli olmayabilir.
Depset'leri kullanma
Kural bağımlılıkları kapsamındaki bilgileri toplarken depsets değerini kullanmanız gerekir. Mevcut kurala özgü bilgileri yayınlamak için yalnızca düz listeler veya sözlükler kullanın.
Depo grubu, bilgileri paylaşımı sağlayan iç içe yerleştirilmiş bir grafik olarak temsil eder.
Aşağıdaki grafiği göz önünde bulundurun:
C -> B -> A
D ---^
Her düğüm tek bir dize yayınlar. Veriler, veri kümeleriyle şu şekilde görünür:
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
Her öğeden yalnızca bir kez bahsedildiğini unutmayın. Listelerle şunları elde edersiniz:
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
Bu örnekte 'a' dört kez kullanılmıştır. Grafikler büyükse bu sorun
daha da kötüleşir.
Aşağıda, geçişli bilgileri yayınlamak için depset'leri doğru şekilde kullanan bir kural uygulaması örneği verilmiştir. O(N^2) olmadığından, kurala özgü bilgileri listeleri kullanarak yayınlamanın uygun olduğunu unutmayın.
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
)]
Daha fazla bilgi için cihaza genel bakış sayfasını ziyaret edin.
depset.to_list()'ü arama
to_list() kullanarak bir depset'i düz bir listeye zorlayabilirsiniz ancak bu işlem genellikle O(N^2) maliyetle sonuçlanır. Mümkünse hata ayıklama amaçları dışında, hataları düzleştirmekten kaçının.
Yaygın bir yanlış kanı, bu işlemi yalnızca <xx>_binary kuralı gibi üst düzey hedeflerde yaparsanız yapının düzelmesidir. Çünkü bu durumda maliyet, derleme grafiğinin her düzeyinde biriktirilmez. Ancak çakışan bağımlılıklara sahip bir hedef kümesi oluşturduğunuzda bu durum hâlâ O(N^2) olacaktır. Bu durum, testlerinizi //foo/tests/... oluştururken veya bir IDE projesini içe aktarırken ortaya çıkar.
Arama sayısını depset olacak şekilde azaltın
depset işlevinin bir döngü içinde çağrılması genellikle hatadır. Çok derin iç içe geçmenin derinliklerine
dağılmasına neden olarak düşük performans gösterir. Örneğin:
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
Bu kod kolayca değiştirilebilir. Öncelikle geçişli depsetleri toplayın ve hepsini aynı anda birleştirin:
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
Bu, bazen liste kapsamı kullanılarak azaltılabilir:
x = depset(transitive = [i.deps for i in inputs])
Komut satırı için ctx.actions.args() işlevini kullanma
Komut satırları oluştururken ctx.actions.args() kullanmanız gerekir. Bu, tüm derinlerin yürütme aşamasına genişletilmesini engeller.
Bu, tamamen daha hızlı olmanın yanı sıra kurallarınızın bellek tüketimini bazen% 90 veya daha fazla azaltır.
Aşağıda bazı ipuçları verilmiştir:
Kendinizi düzleştirmek yerine, depset'leri ve listeleri doğrudan bağımsız değişken olarak iletin. Sizin için
ctx.actions.args()genişletilecek. Depset içeriklerinde dönüştürme yapmanız gerekiyorsa ctx.actions.args#add değerine bakarak ihtiyacınız olan öğeyi bulun.File#pathbağımsız değişkenini mi ilerliyorsunuz? Gerek yok. Tüm dosyalar, otomatik olarak yoluna dönüştürülür ve genişletme zamanına ertelenir.Dize oluşturmak için bunları birbirine bağlamaktan kaçının. En iyi dize bağımsız değişkeni, belleği kuralınızın tüm örnekleri arasında paylaşılacağı için sabit bir değerdir.
args, komut satırı için çok uzunsa
ctx.actions.args()nesnesi,ctx.actions.args#use_param_filekullanılarak koşullu veya koşulsuz olarak bir parametre dosyasına yazılabilir. Bu işlem, işlem yürütüldüğünde arka planda yapılır. Parametre dosyasını açık bir şekilde kontrol etmeniz gerekirse dosyayıctx.actions.writekullanarak manuel olarak yazabilirsiniz.
Örnek:
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
Geçişli işlem girişleri depset olmalıdır
ctx.actions.run'u kullanarak bir işlem oluştururken inputs alanının bir depset kabul ettiğini unutmayın. Bağımlılıklardan geçişli olarak
girişler toplandığında bunu kullanın.
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
Askılı
Bazel askıya alınmış gibi görünüyorsa $(bazel info output_base)/server/jvm.out dosyasında bir iş parçacığı dökümü almak için Ctrl-\ tuşlarına basabilir veya Bazel'a SIGQUIT sinyali (kill -3 $(bazel info server_pid)) gönderebilirsiniz.
Bazel kilitlenirse bazel info'ü çalıştıramayabilirsiniz. Bu nedenle, output_base dizini genellikle Workspace dizininizdeki bazel-<workspace> simge bağlantısının üst dizinidir.
Performans profili çıkarma
Bazel, varsayılan olarak çıkış tabanında command.profile.gz dosyasına bir JSON profili yazar. Konumu --profile işaretiyle yapılandırabilirsiniz (ör. --profile=/tmp/profile.gz). .gz ile biten konumlar GZIP ile sıkıştırılır.
Sonuçları görmek için bir Chrome Tarayıcı sekmesinde chrome://tracing'ü açın, "Yükle"yi tıklayın ve (sıkıştırılmış olabilecek) profil dosyasını seçin. Daha ayrıntılı sonuçlar için sol alt köşedeki kutuları tıklayın.
Gezinmek için şu klavye denetimlerini kullanabilirsiniz:
- "Seç" modu için
1tuşuna basın. Bu modda, etkinlik ayrıntılarını incelemek için belirli kutuları seçebilirsiniz (sol alt köşeye bakın). Özet ve toplu istatistikler almak için birden fazla etkinlik seçin. - "Kaydırma" modu için
2tuşlarına basın. Ardından görünümü hareket ettirmek için fareyi sürükleyin. Sol/sağ gitmek içina/dtuşlarını da kullanabilirsiniz. - "Yakınlaştırma" modu için
3tuşuna basın. Ardından, yakınlaştırmak için fareyi sürükleyin. Yakınlaştırmak/uzaklaştırmak içinw/stuşlarını da kullanabilirsiniz. - İki etkinlik arasındaki mesafeyi ölçebileceğiniz "zamanlama" modu için
4tuşuna basın. - Tüm kontroller hakkında bilgi edinmek için
?tuşuna basın.
Profil bilgileri
Örnek profil:
Şekil 1. Örnek profil.
Bazı özel satırlar vardır:
action counters: Devam eden eşzamanlı işlem sayısını gösterir. Gerçek değeri görmek için üzerini tıklayın. Temiz derlemelerde--jobsdeğerine kadar çıkmalıdır.cpu counters: Derlemenin her saniyesi için Bazel tarafından kullanılan CPU miktarını gösterir (1 değeri, bir çekirdeğin% 100 meşgul olduğunu gösterir).Critical Path: Kritik yoldaki her işlem için bir blok gösterir.grpc-command-1: Bazel'in ana ileti dizisi. Bazel'in ne yaptığının üst düzey bir resmini elde etmek için yararlıdır (ör. "Bazel'i başlat", "evaluateTargetPatterns" ve "runAnalysisPhase").Service Thread: Küçük ve büyük Çöp Toplama (GC) duraklamaları gösterilir.
Diğer satırlar Bazel mesaj dizilerini temsil eder ve ilgili mesaj dizisindeki tüm etkinlikleri gösterir.
Sık karşılaşılan performans sorunları
Performans profillerini analiz ederken şunlara dikkat edin:
- Özellikle artımlı derlemelerde analiz aşaması (
runAnalysisPhase) beklenenden daha yavaştır. Bu durum, kuralın kötü bir şekilde uygulandığının göstergesi olabilir (ör. depo setlerini düzleştiren bir kural). Paket yükleme işlemi, aşırı sayıda hedef, karmaşık makrolar veya özyinelemeli glob'lar nedeniyle yavaş olabilir. - Özellikle kritik yoldaki yavaş işlemler. Büyük işlemleri hızlandırmak için birden fazla küçük işleme bölmek veya (geçişli) bağımlılık grubunu azaltmak mümkün olabilir. Ayrıca,
PROCESS_TIMEolmayan ve anormal derecede yüksek bir değer (REMOTE_SETUPveyaFETCHgibi) olup olmadığını kontrol edin. - Performans sorunları, yani az sayıda iş parçacığı meşgulken diğerleri boşta / sonucu bekliyordur (yukarıdaki ekran görüntüsünde yaklaşık 15-30 saniyeye bakın). Bunu optimize etmek için büyük olasılıkla kural uygulamalarına veya Bazel'e daha fazla benzerlik sağlamak amacıyla dokunmak gerekecektir. Olağan dışı miktarda GC olduğunda bu durum ortaya çıkabilir.
Profil dosya biçimi
Üst düzey nesne, meta verileri (otherData) ve gerçek izleme verilerini (traceEvents) içerir. Meta veri, ek bilgiler (ör. Bazel çağrısının tarihi ve çağrı kimliği) içerir.
Örnek:
{
"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}
]
}
İzleme etkinliklerindeki zaman damgaları (ts) ve süreler (dur) mikrosaniye cinsinden verilir. Kategori (cat), ProfilerTask enum değerlerinden biri.
Çok kısa ve birbirine yakın olan bazı etkinliklerin birleştirildiğini unutmayın. Etkinlik birleştirme işlemini önlemek istiyorsanız --noslim_json_profile değerini iletin.
Chrome İzleme Etkinliği Biçimi Spesifikasyonu'na da bakın.
analyze-profile
Bu profil oluşturma yöntemi iki adımdan oluşur. Önce derlemenizi/testinizi --profile işaretiyle yürütmeniz gerekir. Örneğin,
$ bazel build --profile=/tmp/prof //path/to:target
Oluşturulan dosya (bu durumda /tmp/prof), analyze-profile komutu tarafından son işleme tabi tutulup analiz edilebilen bir ikili dosyadır:
$ bazel analyze-profile /tmp/prof
Varsayılan olarak, belirtilen profil veri dosyası için özet analiz bilgilerini yazdırır. Buna, her oluşturma aşaması için farklı görev türlerine ait kümülatif istatistikler ve kritik yolun analizi dahildir.
Varsayılan çıktının ilk bölümü, farklı derleme aşamalarında harcanan süreye genel bir bakış sunar:
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
Bellek kullanımının profilini çıkarma
Bazel, kuralınızın bellek kullanımını kontrol etmenize yardımcı olabilecek yerleşik bir bellek profilleyiciye sahiptir. Sorun varsa soruna neden olan tam kod satırını bulmak için yığını dökebilirsiniz.
Bellek izlemeyi etkinleştirme
Bu iki başlangıç işaretini her Bazel çağrısına iletmeniz gerekir:
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
Bu komutlar, sunucuyu bellek izleme modunda başlatır. Tek bir Bazel çağrısında da bunları unutursanız sunucu yeniden başlatılır ve baştan başlamanız gerekir.
Bellek İzleyici'yi kullanma
Örneğin, foo hedefine bakın ve ne işe yaradığını öğrenin. Yalnızca analizi çalıştırmak ve derleme yürütme aşamasını çalıştırmamak için --nobuild işaretini ekleyin.
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
Daha sonra, tüm Bazel örneğinin tükettiği bellek miktarına bakın:
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
bazel dump --rules kullanarak veri miktarını kural sınıfına göre bölün:
$ 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 ile bir pprof dosyası oluşturarak belleğin nereye gittiğine bakın:
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
Yığını incelemek için pprof aracını kullanın. İyi bir başlangıç noktası olarak
pprof -flame $HOME/prof.gz kullanarak bir flame grafiği edinmektir.
pprof uygulamasını https://github.com/google/pprof adresinden indirebilirsiniz.
En popüler telefon araması sitelerinin satırlarla ek açıklamalı metin dökümünü alın:
$ 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)