เมื่อเขียนกฎ ข้อผิดพลาดด้านประสิทธิภาพที่พบบ่อยที่สุดคือการส่งผ่านหรือคัดลอกข้อมูลที่รวบรวมมาจากทรัพยากร Dependency เมื่อรวบรวมทั้งบิลด์แล้ว การดำเนินการเหล่านี้สามารถใช้เวลาหรือพื้นที่ว่าง O(N^2) ได้อย่างง่ายดาย เพื่อหลีกเลี่ยงปัญหานี้ จึงจำเป็นต้องเข้าใจวิธีใช้การตั้งค่าอย่างมีประสิทธิภาพ
การแก้ไขข้อผิดพลาดอาจทำได้ยาก ด้วยเหตุนี้ Bazel จึงมีเครื่องมือสร้างโปรไฟล์ความทรงจำที่ช่วยให้คุณค้นหาจุดที่อาจเกิดความผิดพลาด คำเตือน: ค่าใช้จ่ายในการเขียนกฎที่ไม่มีประสิทธิภาพอาจไม่ชัดเจนจนกว่าจะมีการนำไปใช้อย่างแพร่หลาย
ใช้การตั้งค่า
เมื่อใดก็ตามที่คุณรวมข้อมูลจากทรัพยากร Dependency ของกฎ คุณควรใช้ depsets ใช้เฉพาะรายการแบบธรรมดาหรือคำสั่งเพื่อเผยแพร่ข้อมูลในเครื่องไปยังกฎปัจจุบัน
Depset จะแสดงข้อมูลเป็นกราฟที่ซ้อนกันซึ่งเปิดให้แชร์ได้
พิจารณากราฟต่อไปนี้:
C -> B -> A
D ---^
แต่ละโหนดจะเผยแพร่สตริงเดียว เมื่อถอดรหัสข้อมูลแล้ว ข้อมูลจะมีลักษณะดังนี้
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
โปรดทราบว่าจะมีการกล่าวถึงแต่ละรายการเพียงครั้งเดียว เมื่อใช้รายการ คุณจะได้รับสิ่งต่อไปนี้
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
โปรดทราบว่าในกรณีนี้ มีการกล่าวถึง 'a'
ถึง 4 ครั้ง แต่ด้วยกราฟที่ใหญ่กว่านี้
ปัญหานี้จะแย่ลงเท่านั้น
ต่อไปนี้คือตัวอย่างการใช้งานกฎที่ใช้การปรับค่าอย่างถูกต้องเพื่อเผยแพร่ข้อมูลทรานซิชัน โปรดทราบว่าคุณสามารถเผยแพร่ข้อมูลกฎท้องถิ่นโดยใช้รายการ ได้หากต้องการ เพราะไม่ใช่ 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
)]
ดูข้อมูลเพิ่มเติมได้ที่หน้าภาพรวมของ Depset
หลีกเลี่ยงการโทรหา depset.to_list()
คุณบังคับให้ยกเลิกการกำหนดเป็นรายการแบบคงที่ได้โดยใช้ to_list()
แต่การทำเช่นนั้นมักจะทำให้มีค่าใช้จ่าย O(N^2) หากทำได้ ให้หลีกเลี่ยงการแยกชุดย่อยออก ยกเว้นเพื่อจุดประสงค์ในการแก้ไขข้อบกพร่อง
สิ่งที่คนมักเข้าใจผิดก็คือคุณจะลดค่าเดี่ยวลงได้อย่างอิสระหากคุณทำที่เป้าหมายระดับบนสุดเท่านั้น เช่น กฎ <xx>_binary
เนื่องจากต้นทุนดังกล่าวจะไม่ถูกสะสมในแต่ละระดับของกราฟบิลด์ แต่ยังคงเป็น O(N^2) อยู่เมื่อคุณสร้างชุดเป้าหมายที่มีทรัพยากร Dependency ซ้อนทับกัน กรณีนี้จะเกิดขึ้นเมื่อสร้างการทดสอบ //foo/tests/...
หรือเมื่อนำเข้าโปรเจ็กต์ IDE
ลดจำนวนการโทรเป็น depset
การโทรหา depset
ภายในลูปมักจะมีข้อผิดพลาด อาจทำให้เกิดการหน่วงเวลาโดยมีการซ้อน
ในระดับลึกมากซึ่งจะทำงานได้ไม่ดี เช่น
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
โค้ดนี้สามารถแทนที่ได้อย่างง่ายดาย ขั้นแรก ให้รวบรวมแท็กย่อยที่เป็นทรานซิทีฟ แล้วรวมทั้งหมดพร้อมกัน
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
ซึ่งบางครั้งอาจทำได้ง่ายขึ้นตามความเข้าใจในรายการ ดังนี้
x = depset(transitive = [i.deps for i in inputs])
ใช้ ctx.actions.args() สำหรับบรรทัดคำสั่ง
เมื่อสร้างบรรทัดคำสั่ง คุณควรใช้ ctx.actions.args() ซึ่งจะเลื่อนการขยายการตั้งค่าใดก็ตามไปยังระยะการดำเนินการ
นอกจากความเร็วสูงสุดแล้ว กฎของคุณจะช่วยลดการใช้หน่วยความจำได้ ซึ่งบางครั้งอาจลดลง 90% หรือมากกว่านั้น
เคล็ดลับบางส่วนมีดังนี้
ส่งผ่านค่ากำหนดและรายการเป็นอาร์กิวเมนต์โดยตรง แทนที่จะแยกเป็นหลายรายการเอง โฆษณาจะได้รับการขยายให้กว้างขึ้น
ctx.actions.args()
ให้คุณ หากต้องการการเปลี่ยนรูปแบบใดก็ตามในเนื้อหา Depset ลองดูที่ ctx.actions.args#add เพื่อดูว่าสิ่งใดเป็นไปตามใบเรียกเก็บเงินหรือไม่คุณส่งผ่าน
File#path
เป็นอาร์กิวเมนต์ใช่ไหม ไม่จำเป็น ระบบจะเปลี่ยนไฟล์ให้เป็นเส้นทางโดยอัตโนมัติ โดยจะเลื่อนเวลาขยายออกไปหลีกเลี่ยงการสร้างสตริงโดยนำมาต่อเข้าด้วยกัน อาร์กิวเมนต์สตริงที่ดีที่สุดเป็นค่าคงที่เนื่องจากมีการแชร์หน่วยความจำระหว่างอินสแตนซ์ทั้งหมดของกฎ
หากอาร์กิวเมนต์ยาวเกินไปสำหรับบรรทัดคำสั่ง ออบเจ็กต์
ctx.actions.args()
จะเขียนแบบมีเงื่อนไขหรือไม่มีเงื่อนไขลงในไฟล์พารามิเตอร์ได้โดยใช้ctx.actions.args#use_param_file
ซึ่งจะมีการดำเนินการอยู่เบื้องหลังเมื่อดำเนินการ หากต้องการควบคุมไฟล์พารามิเตอร์อย่างชัดแจ้ง คุณเขียนด้วยตนเองได้โดยใช้ctx.actions.write
เช่น
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
อินพุตการดำเนินการทางอ้อมควรเป็นอุปกรณ์ที่รีเซ็ต
เมื่อสร้างการทำงานโดยใช้ ctx.actions.run โปรดทราบว่าช่อง inputs
นี้ยอมรับการเลิกตั้งค่า ใช้ตัวเลือกนี้เมื่อใดก็ตามที่อินพุตถูกรวบรวมจากทรัพยากร Dependency แบบสับเปลี่ยน
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
แบบแขวน
หากดูเหมือนว่า Bazel ถูกระงับ ให้กด Ctrl-\ หรือส่งสัญญาณ SIGQUIT
(kill -3 $(bazel info server_pid)
) เพื่อดัมพ์เทรดในไฟล์ $(bazel info output_base)/server/jvm.out
เนื่องจากคุณอาจเรียกใช้ bazel info
ไม่ได้หากมีการระงับ Bazel ทำให้ไดเรกทอรี output_base
มักเป็นระดับบนสุดของลิงก์สัญลักษณ์ bazel-<workspace>
ในไดเรกทอรี Workspace
การสร้างโปรไฟล์ประสิทธิภาพ
โปรไฟล์การติดตาม JSON อาจมีประโยชน์อย่างยิ่งในการช่วยให้ทราบสิ่งที่ Bazel ใช้เวลาในระหว่างการเรียกใช้ได้อย่างรวดเร็ว
การสร้างโปรไฟล์หน่วยความจำ
Bazel มาพร้อมกับเครื่องมือสร้างโปรไฟล์หน่วยความจำในตัวที่จะช่วยให้คุณตรวจสอบการใช้หน่วยความจำของกฎได้ หากมีปัญหา คุณสามารถดัมพ์ฮีปเพื่อค้นหาบรรทัดโค้ดที่ทำให้เกิดปัญหา
การเปิดใช้การติดตามหน่วยความจำ
คุณต้องส่ง Flag เริ่มต้น 2 รายการต่อไปนี้ไปยังการเรียกใช้ Bazel ทุกครั้ง
STARTUP_FLAGS=\
--host_jvm_args=-javaagent:<path to java-allocation-instrumenter-3.3.0.jar> \
--host_jvm_args=-DRULE_MEMORY_TRACKER=1
ไฟล์เหล่านี้จะเริ่มต้นเซิร์ฟเวอร์ในโหมดติดตามหน่วยความจำ หากลืมการดำเนินการเหล่านี้สำหรับการเรียกใช้ Bazel แม้แต่ครั้งเดียว เซิร์ฟเวอร์จะรีสตาร์ทและคุณจะต้องเริ่มต้นใหม่
การใช้ตัวติดตามหน่วยความจำ
ดูตัวอย่างได้ที่ foo
เป้าหมาย และดูว่าเป้าหมายนี้ทำอะไรได้บ้าง หากต้องการเรียกใช้เฉพาะการวิเคราะห์และไม่เรียกใช้เฟสการดำเนินการของบิลด์ ให้เพิ่มแฟล็ก --nobuild
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
ต่อไปให้ดูว่าอินสแตนซ์ Bazel ทั้งหมดใช้หน่วยความจำมากเพียงใด ดังนี้
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
แบ่งโฆษณาตามคลาสของกฎโดยใช้ 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)
ดูว่าหน่วยความจำที่ใช้ไปไหนโดยการสร้างไฟล์ pprof
โดยใช้ bazel dump --skylark_memory
:
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
ใช้เครื่องมือ pprof
เพื่อตรวจสอบฮีป จุดเริ่มต้นที่ดีคือสร้างกราฟ Flame โดยใช้ pprof -flame $HOME/prof.gz
รับ pprof
จาก https://github.com/google/pprof
รับดัมพ์ข้อความของไซต์การโทรที่มาแรงที่สุด โดยมีบรรทัด:
$ 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)