Performansı Optimize Etme

7.3 · 7.2 · 7.1 · 7.0 · 6.5

Kural yazarken en yaygın performans sorunu, bağımlılıklardan toplanan verileri incelemek veya kopyalamaktır. Bu işlemler, derleme işleminin tamamında toplandığında kolayca O(N^2) zaman veya alan alabilir. Bu sorunu önlemek için depo setlerini etkili bir şekilde nasıl kullanacağınızı anlamanız çok önemlidir.

Bunu tutturmak zor olabiliyor. Bu nedenle Bazel, hata yapmış olabileceğiniz noktaları bulmanıza yardımcı olan bir bellek profil aracı da sağlıyor. Dikkat: Verimli olmayan bir kural yazmanın maliyeti, yaygın olarak kullanılana kadar belirgin 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.

Desset, bilgileri paylaşmaya olanak tanıyan iç içe yerleştirilmiş bir grafik olarak temsil eder.

Aşağıdaki grafiği inceleyin:

C -> B -> A
D ---^

Her düğüm tek bir dize yayınlar. Depset'larda veriler aşağıdaki gibi 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. Listeler sayesinde şunları yapabilirsiniz:

a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']

Bu örnekte 'a' dört kez kullanılmıştır. Grafikler ne kadar büyük olursa bu sorun o kadar kötüleşir.

Aşağıda, geçişli bilgileri yayınlamak için depset'leri doğru şekilde kullanan bir kural uygulaması örneği verilmiştir. Bu O(N^2) olmadığından, isterseniz listeler kullanarak yerel kural bilgilerini yayınlayabilirsiniz.

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 depset'e genel bakış sayfasına bakın.

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 amacıyla hariç olmak üzere depsetlerin düzleştirilmesinden kaçının.

Yaygın bir yanlış anlama, yalnızca <xx>_binary kuralı gibi üst düzey hedeflerde yaparsanız maliyet, derleme grafiğinin her düzeyinde toplanmadığı için depsetleri istediğiniz gibi düzleştirebileceğinizdir. Ancak örtüşen bağımlılıklara sahip bir hedef grubu oluşturduğunuzda bu yine O(N^2) olur. 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. Bu, çok derin iç içe yerleştirilmiş ve kötü performans gösteren depsetlere yol açabilir. 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() işlevini kullanmanız gerekir. Bu, tüm depsetlerin genişletilmesini yürütme aşamasına erteler.

Bu, kesinlikle daha hızlı olmanın yanı sıra kurallarınızın hafıza tüketimini bazen% 90 veya daha fazla azaltır.

İşte bazı püf noktaları:

  • Kendinizi düzleştirmek yerine, depset'leri ve listeleri doğrudan bağımsız değişken olarak iletin. Bu veriler sizin için ctx.actions.args() tarafından genişletilecektir. Depset içeriklerinde dönüştürme yapmanız gerekiyorsa ctx.actions.args#add değerine bakarak ihtiyacınız olan öğeyi bulun.

  • File#path öğesini bağımsız değişken olarak iletiyor musunuz? 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_file kullanılarak koşullu veya koşulsuz olarak bir parametre dosyasına yazılabilir. Bu işlem, işlem yürütüldüğünde arka planda yapılır. Params dosyasını açıkça kontrol etmeniz gerekiyorsa ctx.actions.write kullanarak 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

Geçiş işlemi girişleri, depsets 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
  ...
)

Asılı

Bazel donmuş görünüyorsa $(bazel info output_base)/server/jvm.out dosyasına bir iş parçacığı dökümü almak için Ctrl-\ tuşlarına basabilir veya Bazel'e bir 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

JSON izleme profili, çağrı sırasında Bazel'in neyle vakit geçirdiğini hızlı bir şekilde anlamak için son derece yararlı olabilir.

Bellek kullanımının profilini çıkarma

Bazel, kuralınızın bellek kullanımını kontrol etmenize yardımcı olabilecek yerleşik bir bellek profil oluşturucusuyla birlikte gelir. Bir sorun varsa, soruna neden olan kod satırını tam olarak bulmak için yığın dökümünü çıkarabilirsiniz.

Bellek izlemeyi etkinleştirme

Bu iki başlangıç işaretini her Bazel çağrısına iletmeniz gerekir:

  STARTUP_FLAGS=\
  --host_jvm_args=-javaagent:<path to java-allocation-instrumenter-3.3.0.jar> \
  --host_jvm_args=-DRULE_MEMORY_TRACKER=1

Bu komutlar, sunucuyu bellek izleme modunda başlatır. Bunları bir Bazel çağrısında bile 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 kullanarak 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. pprof -flame $HOME/prof.gz kullanarak bir alev grafiği elde etmek iyi bir başlangıç noktasıdır.

pprof'yi https://github.com/google/pprof adresinden indirin.

En popüler arama 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)