編寫規則時，最常見的效能問題是掃遍或複製從依附元件累積的資料。在整個建構作業中進行匯總時，這些作業很容易使用 O(N^2) 時間或空間。為避免這種情況，請務必瞭解如何有效使用 depset。
這可能很難正確做出，因此 Bazel 也提供記憶體分析器，可協助找出可能出錯的位置。警告： 編寫低效率規則的成本可能要等到廣泛使用後才能顯現。
使用解碼器
每當您要從規則依附元件取得資訊時，請使用 depsets。請只使用純清單或字典，將本機資訊發布至目前規則。
depset 會以巢狀圖方式表示資訊，因此可以分享。
請見下圖：
C -> B -> A
D ---^
每個節點都會發布單一字串。使用 depset 後，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，每個項目只會出現一次。建立清單的好處如下：
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
請注意，在本例中，'a' 被提及 4 次！隨著圖形較大，這個問題只會越來越嚴重。
以下是規則實作範例，正確使用 Depset 發布遞移資訊。請注意，您可以視需要使用清單發布規則本機資訊，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 depset 總覽頁面。
避免撥打 depset.to_list()
您可以使用 to_list() 將依附元件強制轉換為平面清單，但這麼做通常會產生 O(N^2) 費用。如果可以，請盡量避免為了偵錯目的而簡化依附元件。
常見的誤解是，如果您只是在頂層目標 (例如 <xx>_binary 規則) 執行依附元件，就可以自由壓平解碼器，因為這樣系統就不會累計建構圖表的每個層級的費用。但當您建構一組具有重疊依附元件的目標時，這種做法仍然 O(N^2)。建構測試 //foo/tests/... 或匯入 IDE 專案時，就會發生這種情形。
減少呼叫 depset 的次數
在迴圈中呼叫 depset 通常是錯誤。這可能會導致深度巢狀結構中發生偏移，效能不佳。例如：
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
這個代碼很容易更換。首先，請收集遞移依附元件，然後一次全部合併：
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
但有時候，只要遵循清單理解即可改善做法：
x = depset(transitive = [i.deps for i in inputs])
針對指令列使用 ctx.actions.args()
建構指令列時，應使用 ctx.actions.args()，這樣會將任何 Depset 擴展至執行階段。
除了速度更快，這項做法可降低規則的記憶體消耗量 (有時可降低 90% 以上)。
以下提供幾個訣竅：
傳遞依附元件和清單做為引數，而不是自行壓平。這會由
ctx.actions.args()為你展開。 如果您需要對解碼器內容進行任何轉換，請查看 ctx.actions.args#add，確認是否有任何項目符合帳單。您要傳遞
File#path做為引數嗎？不需要。任何檔案都會自動轉換為其「路徑」，並延後到展開時間。避免將字串串連在一起，避免建立字串。最佳字串引數是常數，因為規則的所有執行個體會共用其記憶體。
如果指令列的引數過長，可以有條件，或以
ctx.actions.args#use_param_file無條件將ctx.actions.args()物件寫入參數檔案。這會在動作執行時在背景完成。如需明確控管參數檔案，可以使用ctx.actions.write手動編寫。
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
遞移動作輸入內容應為解碼器
使用 ctx.actions.run 建構動作時，請勿忘記 inputs 欄位會接受 Depset。每當從依附元件收集輸入內容時，請使用此項目。
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
懸掛式
如果 Bazel 似乎處於無回應狀態，您可以按下 Ctrl-\ 鍵或傳送 SIGQUIT 信號 (kill -3 $(bazel info server_pid))，在 $(bazel info output_base)/server/jvm.out 檔案中取得執行緒傾印。
由於 bazel 觸發時無法使用 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
JSON 追蹤記錄設定檔可用來快速瞭解 Bazel 在叫用期間花費的時間。
記憶體分析
Bazel 內建的記憶體分析器可協助您檢查規則的記憶體使用情況。如果發生問題，您可以傾印記憶體快照，找出造成問題的確切程式碼行。
啟用記憶體追蹤
您必須將這兩個啟動標記傳送到「每個」Bazel 叫用：
STARTUP_FLAGS=\
--host_jvm_args=-javaagent:<path to java-allocation-instrumenter-3.3.0.jar> \
--host_jvm_args=-DRULE_MEMORY_TRACKER=1
這些指令會以記憶體追蹤模式啟動伺服器。假如您忘記其中一個 Bazel 叫用，伺服器將重新啟動，而必須重新開始。
使用記憶體追蹤程式
舉例來說，請查看目標 foo 並瞭解其功用。如果只要執行分析，不執行建構執行階段，請新增 --nobuild 旗標。
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
接下來，看看整個 Bazel 執行個體會使用多少記憶體：
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
使用 bazel dump --rules 即可依規則類別細分：
$ 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)
使用 bazel dump --skylark_memory 產生 pprof 檔案，即可查看記憶體的用途：
$ 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。使用 pprof -flame $HOME/prof.gz 取得火焰圖是很好的起點。
從 https://github.com/google/pprof 取得 pprof。
取得熱門通話網站的文字傾印檔，並加上下列幾行註解：
$ 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)