Armazenamento em cache remoto

Informar um problema Acessar a origem

Esta página aborda o armazenamento em cache remoto, a configuração de um servidor para hospedar o cache e a execução de versões usando o cache remoto.

Um cache remoto é usado por uma equipe de desenvolvedores e/ou um sistema de integração contínua (CI) para compartilhar saídas de build. Se a versão for reproduzível, as saídas de uma máquina poderão ser reutilizadas com segurança em outra, o que pode tornar as versões significativamente mais rápidas.

Visão geral

O Bazel divide um build em etapas distintas, que são chamadas de ações. Cada ação tem entradas, nomes de saída, uma linha de comando e variáveis de ambiente. As entradas necessárias e as saídas esperadas são declaradas explicitamente para cada ação.

É possível configurar um servidor para ser um cache remoto para saídas de build, que são essas saídas de ação. Essas saídas consistem em uma lista de nomes de arquivos de saída e os hashes do conteúdo deles. Com um cache remoto, é possível reutilizar as saídas de compilação da compilação de outro usuário em vez de criar cada nova saída localmente.

Para usar o armazenamento em cache remoto:

  • Configurar um servidor como o back-end do cache
  • Configurar a compilação do Bazel para usar o cache remoto
  • Usar o Bazel versão 0.10.0 ou posterior

O cache remoto armazena dois tipos de dados:

  • O cache de ação, que é um mapa de hashes de ação para metadados de resultados de ação.
  • Um armazenamento endereçável de conteúdo (CAS, na sigla em inglês) de arquivos de saída.

Observe que o cache remoto também armazena stdout e stderr para cada ação. Portanto, inspecionar o stdout/stderr do Bazel não é um bom sinal para estimar as ocorrências em cache.

Como um build usa o armazenamento em cache remoto

Depois de configurar um servidor como cache remoto, ele pode ser usado de várias maneiras:

  • Ler e gravar no cache remoto
  • ler e/ou gravar no cache remoto, exceto destinos específicos;
  • Ler somente no cache remoto
  • não usar o cache remoto;

Quando você executa um build do Bazel que pode ler e gravar no cache remoto, ele segue estas etapas:

  1. Ele cria o gráfico de destinos que precisam ser compilados e, em seguida, uma lista de ações necessárias. Cada uma dessas ações declarou entradas e nomes de arquivos de saída.
  2. O Bazel verifica se há saídas de build na máquina local e reutiliza tudo que encontrar.
  3. O Bazel verifica o cache em busca de saídas de build já existentes. Se o resultado for encontrado, o Bazel a recupera. Essa é uma ocorrência em cache.
  4. Para ações necessárias em que as saídas não foram encontradas, o Bazel executa as ações localmente e cria as saídas de build necessárias.
  5. Novas saídas de compilação são enviadas ao cache remoto.

Como configurar um servidor como o back-end do cache

Você precisa configurar um servidor para atuar como o back-end do cache. Um servidor HTTP/1.1 pode tratar os dados do Bazel como bytes opacos. Assim, muitos servidores atuais podem ser usados como um back-end de armazenamento em cache remoto. O protocolo de armazenamento em cache HTTP do Bazel é compatível com o armazenamento em cache remoto.

Você é responsável por escolher, configurar e manter o servidor de back-end que armazenará as saídas armazenadas em cache. Ao escolher um servidor, considere o seguinte:

  • Velocidade da rede. Por exemplo, se sua equipe estiver no mesmo escritório, talvez você queira executar seu próprio servidor local.
  • e na segurança. O cache remoto terá seus binários e, portanto, precisa ser seguro.
  • Facilidade de gerenciamento. Por exemplo, o Google Cloud Storage é um serviço totalmente gerenciado.

Há muitos back-ends que podem ser usados para um cache remoto. Veja algumas opções:

nginx

O nginx é um servidor da Web de código aberto. Com o [módulo WebDAV], ele pode ser usado como um cache remoto para o Bazel. No Debian e no Ubuntu, é possível instalar o pacote nginx-extras. No macOS, o nginx está disponível pelo Homebrew:

brew tap denji/nginx
brew install nginx-full --with-webdav

Confira abaixo um exemplo de configuração do nginx. Será necessário alterar /path/to/cache/dir para um diretório válido em que o nginx tenha permissão para gravar e ler. Talvez seja necessário alterar a opção client_max_body_size para um valor maior se você tiver arquivos de saída maiores. O servidor exigirá outra configuração, como autenticação.

Exemplo de configuração para a seção server em nginx.conf:

location /cache/ {
  # The path to the directory where nginx should store the cache contents.
  root /path/to/cache/dir;
  # Allow PUT
  dav_methods PUT;
  # Allow nginx to create the /ac and /cas subdirectories.
  create_full_put_path on;
  # The maximum size of a single file.
  client_max_body_size 1G;
  allow all;
}

Bazel-remote

O bazel-remote é um cache de compilação remota de código aberto que você pode usar na sua infraestrutura. Ele tem sido usado com sucesso na produção em várias empresas desde o início de 2018. Observe que o projeto Bazel não oferece suporte técnico para o bazel-remote.

Esse cache armazena conteúdo no disco e também fornece a coleta de lixo para aplicar um limite de armazenamento superior e limpar artefatos não utilizados. O cache está disponível como uma [docker image], e o código dele está disponível no GitHub (em inglês). As APIs de cache remoto REST e gRPC são compatíveis.

Consulte a página do GitHub para instruções sobre como usá-lo.

Google Cloud Storage

O [Google Cloud Storage] é um armazenamento de objetos totalmente gerenciado que fornece uma API HTTP compatível com o protocolo de armazenamento em cache remoto do Bazel. É necessário ter uma conta do Google Cloud com faturamento ativado.

Para usar o Cloud Storage como cache:

  1. Crie um bucket de armazenamento. Selecione o local do bucket mais próximo de você, já que a largura de banda da rede é importante para o cache remoto.

  2. Crie uma conta de serviço para o Bazel autenticar no Cloud Storage. Consulte Como criar uma conta de serviço.

  3. Gere uma chave JSON secreta e transmita-a para o Bazel para autenticação. Armazene a chave com segurança, porque qualquer pessoa com a chave pode ler e gravar dados arbitrários no/a partir do seu bucket do GCS.

  4. Conecte-se ao Cloud Storage adicionando as seguintes sinalizações ao comando do Bazel:

    • Transmita o seguinte URL para o Bazel usando a sinalização: --remote_cache=https://storage.googleapis.com/bucket-name, em que bucket-name é o nome do bucket de armazenamento.
    • Transmita a chave de autenticação usando a sinalização --google_credentials=/path/to/your/secret-key.json ou --google_default_credentials para usar a Autenticação de aplicativos.

  5. É possível configurar o Cloud Storage para excluir arquivos antigos automaticamente. Para fazer isso, consulte Como gerenciar ciclos de vida de objetos.

Outros servidores

É possível configurar qualquer servidor HTTP/1.1 compatível com PUT e GET como back-end do cache. Usuários relataram sucesso com back-ends de armazenamento em cache, como Hazelcast, Apache httpd e AWS S3.

Authentication

A partir da versão 0.11.0, o suporte para autenticação HTTP básica foi adicionado ao Bazel. É possível transmitir um nome de usuário e uma senha para o Bazel usando o URL do cache remoto. A sintaxe é https://username:password@hostname.com:port/path. Observe que a autenticação básica de HTTP transmite nome de usuário e senha em texto simples pela rede e, portanto, é essencial usá-la sempre com HTTPS.

Protocolo de armazenamento em cache HTTP

O Bazel oferece suporte ao armazenamento em cache remoto via HTTP/1.1. O protocolo é conceitualmente simples: os dados binários (BLOB) são enviados por solicitações PUT e transferidos por download por solicitações GET. Os metadados de resultados da ação são armazenados no caminho /ac/, e os arquivos de saída são armazenados no caminho /cas/.

Por exemplo, considere um cache remoto executado em http://localhost:8080/cache. Uma solicitação do Bazel para fazer o download de metadados de resultados de uma ação com o hash SHA256 01ba4719... terá esta aparência:

GET /cache/ac/01ba4719c80b6fe911b091a7c05124b64eeece964e09c058ef8f9805daca546b HTTP/1.1
Host: localhost:8080
Accept: */*
Connection: Keep-Alive

Uma solicitação do Bazel para fazer upload de um arquivo de saída com o hash SHA256 15e2b0d3... para o CAS terá esta aparência:

PUT /cache/cas/15e2b0d3c33891ebb0f1ef609ec419420c20e320ce94c65fbc8c3312448eb225 HTTP/1.1
Host: localhost:8080
Accept: */*
Content-Length: 9
Connection: Keep-Alive

0x310x320x330x340x350x360x370x380x39

Executar o Bazel usando o cache remoto

Depois de configurar um servidor como cache remoto, adicione flags ao comando do Bazel para usá-lo. Consulte abaixo a lista de configurações e as sinalizações delas.

Talvez também seja necessário configurar a autenticação, que é específica para o servidor escolhido.

Adicione essas sinalizações a um arquivo .bazelrc para não precisar especificá-las sempre que você executar o Bazel. Dependendo do projeto e da dinâmica da equipe, é possível adicionar flags a um arquivo .bazelrc que seja:

  • Na máquina local
  • No espaço de trabalho do seu projeto, compartilhado com a equipe
  • No sistema de CI

Ler e gravar no cache remoto

Verifique quem pode gravar no cache remoto. Talvez você queira que apenas o sistema de CI possa gravar no cache remoto.

Use a sinalização a seguir para ler e gravar no cache remoto:

build --remote_cache=http://your.host:port

Além de HTTP, os seguintes protocolos também são aceitos: HTTPS, grpc, grpcs.

Além da sinalização acima, use a seguinte sinalização apenas para ler o cache remoto:

build --remote_upload_local_results=false

Impedir que destinos específicos usem o cache remoto

Para impedir que destinos específicos usem o cache remoto, marque o destino com no-remote-cache. Exemplo:

java_library(
    name = "target",
    tags = ["no-remote-cache"],
)

Excluir conteúdo do cache remoto

A exclusão de conteúdo do cache remoto faz parte do gerenciamento do servidor. A forma como você exclui o conteúdo do cache remoto depende do servidor configurado como o cache. Ao excluir saídas, exclua todo o cache ou exclua as saídas antigas.

As saídas armazenadas em cache são armazenadas como um conjunto de nomes e hashes. Ao excluir o conteúdo, não há como distinguir qual saída pertence a um build específico.

Você pode excluir o conteúdo do cache para:

  • Criar um cache limpo após o envenenamento
  • Exclua saídas antigas para reduzir a quantidade de armazenamento usada

Soquetes Unix

O cache HTTP remoto é compatível com a conexão por soquetes de domínio Unix. O comportamento é semelhante à sinalização --unix-socket do curl. Use o seguinte para configurar o soquete de domínio Unix:

   build --remote_cache=http://your.host:port
   build --remote_proxy=unix:/path/to/socket

Esse recurso não é compatível com o Windows.

Cache de disco

O Bazel pode usar um diretório no sistema de arquivos como um cache remoto. Isso é útil para compartilhar artefatos de build ao alternar ramificações e/ou trabalhar em vários espaços de trabalho do mesmo projeto, como vários checkouts. Como o Bazel não faz a coleta de lixo do diretório, convém automatizar uma limpeza periódica dele. Ative o cache de disco da seguinte maneira:

build --disk_cache=path/to/build/cache

Você pode transmitir um caminho específico do usuário para a sinalização --disk_cache usando o alias ~ (o Bazel substituirá o diretório inicial do usuário atual). Isso é útil ao ativar o cache de disco para todos os desenvolvedores de um projeto por meio do arquivo .bazelrc verificado do projeto.

Problemas conhecidos

Modificar arquivos de entrada durante um build

Quando um arquivo de entrada é modificado durante uma compilação, o Bazel pode fazer upload de resultados inválidos para o cache remoto. É possível ativar uma detecção de mudanças com a sinalização --experimental_guard_against_concurrent_changes. Não há problemas conhecidos, e ele será ativado por padrão em uma versão futura. Consulte o [problema 3360] para ver atualizações. Geralmente, evite modificar os arquivos de origem durante um build.

Variáveis de ambiente vazando em uma ação

A definição de uma ação contém variáveis de ambiente. Isso pode ser um problema para o compartilhamento de ocorrências em cache remoto entre máquinas. Por exemplo, ambientes com variáveis $PATH diferentes não compartilham ocorrências em cache. Somente as variáveis de ambiente explicitamente incluídas na lista de permissões via --action_env são incluídas em uma definição de ação. O pacote Debian/Ubuntu do Bazel era usado para instalar /etc/bazel.bazelrc com uma lista de permissões de variáveis de ambiente, incluindo $PATH. Se você estiver recebendo menos ocorrências em cache do que o esperado, verifique se o ambiente não tem um arquivo /etc/bazel.bazelrc antigo.

O Bazel não rastreia ferramentas fora de um espaço de trabalho

No momento, o Bazel não rastreia ferramentas fora de um espaço de trabalho. Isso poderá ser um problema se, por exemplo, uma ação usar um compilador de /usr/bin/. Em seguida, dois usuários com compiladores diferentes instalados vão compartilhar erroneamente as ocorrências em cache, porque as saídas são diferentes, mas têm o mesmo hash de ação. Consulte o problema 4558 para ver atualizações.

O estado incremental na memória é perdido ao executar builds em contêineres do Docker O Bazel usa a arquitetura de servidor/cliente mesmo quando executado em um único contêiner do Docker. No lado do servidor, o Bazel mantém um estado na memória que acelera os builds. Ao executar builds dentro de contêineres do Docker, como em CI, o estado na memória é perdido e o Bazel precisa recriá-lo antes de usar o cache remoto.