नियम लिखते समय, परफ़ॉर्मेंस से जुड़ी सबसे आम नुकसान, डिपेंडेंसी से इकट्ठा होने वाले डेटा को ट्रैवर्स या कॉपी करना होता है. पूरे बिल्ड में एग्रीगेट किए जाने पर, इन ऑपरेशन में आसानी से O(N^2) समय या स्पेस लग सकता है. इससे बचने के लिए, डिप्सेट का इस्तेमाल करने का सही तरीका समझना ज़रूरी है.
इसे सही तरीके से लागू करना मुश्किल हो सकता है. इसलिए, Bazel एक मेमोरी प्रोफ़ाइलर भी उपलब्ध कराता है. इससे आपको उन जगहों को ढूंढने में मदद मिलती है जहां आपने गलती की हो सकती है. ध्यान रखें: जब तक किसी गलत नियम को बड़े पैमाने पर इस्तेमाल नहीं किया जाता, तब तक उस नियम को लिखने में आने वाली लागत का पता नहीं चलता.
डिपेंडेंसी सेट का इस्तेमाल करना
नियम की डिपेंडेंसी से जानकारी को रोल अप करते समय, आपको depsets का इस्तेमाल करना चाहिए. मौजूदा नियम के हिसाब से स्थानीय जानकारी पब्लिश करने के लिए, सिर्फ़ सामान्य सूचियों या डायक्शनरी का इस्तेमाल करें.
डेपसेट, जानकारी को नेस्ट किए गए ग्राफ़ के तौर पर दिखाता है, जिससे उसे शेयर किया जा सकता है.
नीचे दिया गया ग्राफ़ देखें:
C -> B -> A
D ---^
हर नोड एक स्ट्रिंग पब्लिश करता है. डेपसेट की मदद से, डेटा कुछ ऐसा दिखता है:
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
ध्यान दें कि हर आइटम का सिर्फ़ एक बार ज़िक्र किया गया है. सूचियों की मदद से, आपको यह जानकारी मिलेगी:
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
ध्यान दें कि इस मामले में 'a' का चार बार इस्तेमाल किया गया है! बड़े ग्राफ़ के साथ, यह
समस्या और भी बदतर होती जाएगी.
यहां नियम लागू करने का एक उदाहरण दिया गया है, जिसमें ट्रांज़िशन की जानकारी पब्लिश करने के लिए, डिप्सेट का सही तरीके से इस्तेमाल किया गया है. ध्यान दें कि अगर आप चाहें, तो सूचियों का इस्तेमाल करके नियम के हिसाब से स्थानीय जानकारी पब्लिश की जा सकती है. ऐसा इसलिए, क्योंकि यह O(N^2) नहीं है.
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
)]
ज़्यादा जानकारी के लिए, डिपेंडेंसी सेट की खास जानकारी पेज देखें.
depset.to_list() को कॉल करने से बचें
to_list() का इस्तेमाल करके, किसी डिप्सेट को फ़्लैट सूची में रखा जा सकता है. हालांकि, आम तौर पर ऐसा करने से O(N^2) लागत आती है. अगर हो सके, तो डीपसेट को फ़्लैट करने से बचें. ऐसा सिर्फ़ डीबग करने के लिए करें.
एक आम गलतफ़हमी यह है कि अगर आप <xx>_binary नियम जैसे टॉप-लेवल के टारगेट पर ही ऐसा करते हैं, तो
अलग से कमी का लेवल तय किया जा सकता है. ऐसा करने से, बिल्ड ग्राफ़ के हर लेवल पर लागत इकट्ठा नहीं होती है. हालांकि, ओवरलैप होने वाली डिपेंडेंसी वाले टारगेट का सेट बनाने पर, यह अब भी O(N^2) होता है. ऐसा, टेस्ट //foo/tests/... बनाते समय या IDE प्रोजेक्ट इंपोर्ट करते समय होता है.
कॉल की संख्या को depset पर सेट करें
आम तौर पर, लूप के अंदर depset को कॉल करना गलत होता है. इससे, बहुत गहरे नेस्टिंग वाले डेप्सेट बन सकते हैं, जिनकी परफ़ॉर्मेंस खराब होती है. उदाहरण के लिए:
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
इस कोड को आसानी से बदला जा सकता है. सबसे पहले, ट्रांज़िटिव डिपसेट इकट्ठा करें और उन सभी को एक साथ मर्ज करें:
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
कभी-कभी, सूची के कॉम्प्रेहेंशन का इस्तेमाल करके, इस संख्या को कम किया जा सकता है:
x = depset(transitive = [i.deps for i in inputs])
कमांड लाइन के लिए ctx.actions.args() का इस्तेमाल करना
कमांड लाइन बनाते समय, आपको ctx.actions.args() का इस्तेमाल करना चाहिए. इससे, किसी भी डिप्सेट को एक्सपैंशन करने की प्रोसेस को, प्रोसेस करने के चरण तक के लिए टाल दिया जाता है.
इससे, नियमों को लागू करने में लगने वाला समय कम हो जाएगा. साथ ही, आपके नियमों के लिए मेमोरी का इस्तेमाल भी कम होगा. कभी-कभी यह 90% या उससे ज़्यादा हो सकता है.
यहां कुछ तरकीबें दी गई हैं:
खुद से डेपसेट और सूचियों को फ़्लैट करने के बजाय, उन्हें सीधे आर्ग्युमेंट के तौर पर पास करें. आपके लिए, इनकी समयसीमा
ctx.actions.args()तक बढ़ा दी जाएगी. अगर आपको डेपसेट के कॉन्टेंट में कोई बदलाव करना है, तो ctx.actions.args#add देखें और पता लगाएं कि क्या कोई चीज़ काम की है.क्या
File#pathको आर्ग्युमेंट के तौर पर पास किया जा रहा है? कोई ज़रूरत नहीं है. कोई भी फ़ाइल अपने-आप अपने पाथ में बदल जाती है. यह बदलाव, एक्सपैंशन के समय होता है.स्ट्रिंग को एक साथ जोड़कर बनाने से बचें. सबसे अच्छा स्ट्रिंग आर्ग्युमेंट एक कॉन्स्टेंट होता है, क्योंकि इसकी मेमोरी आपके नियम के सभी इंस्टेंस के बीच शेयर की जाएगी.
अगर कमांड लाइन के लिए आर्ग्युमेंट बहुत लंबे हैं, तो
ctx.actions.args#use_param_fileका इस्तेमाल करके,ctx.actions.args()ऑब्जेक्ट को शर्त के साथ या बिना शर्त के पैरामीटर फ़ाइल में लिखा जा सकता है. यह कार्रवाई करने के दौरान, पर्दे के पीछे की जाती है. अगर आपको पैरामीटर फ़ाइल को साफ़ तौर पर कंट्रोल करना है, तोctx.actions.writeका इस्तेमाल करके उसे मैन्युअल तरीके से लिखा जा सकता है.
उदाहरण:
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
ट्रांज़िटिव ऐक्शन इनपुट, डिप्सेट होने चाहिए
ctx.actions.run का इस्तेमाल करके कोई कार्रवाई बनाते समय, यह मत भूलें कि inputs फ़ील्ड में डेपसेट डाला जा सकता है. इसका इस्तेमाल तब करें, जब
डिपेंडेंसी से ट्रांज़िट के तौर पर इनपुट इकट्ठा किए जाएं.
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
लटकना
अगर Bazel फ़ंक्शन काम नहीं कर रहा है, तो Ctrl-\ दबाएं या $(bazel info output_base)/server/jvm.out फ़ाइल में थ्रेड डंप पाने के लिए, Bazel को SIGQUIT सिग्नल (kill -3 $(bazel info server_pid)) भेजें.
अगर bazel फ़ंक्शन बंद हो जाता है, तो हो सकता है कि आप bazel info को न चला पाएं. आम तौर पर, output_base डायरेक्ट्री, आपकी वर्कस्पेस डायरेक्ट्री में मौजूद bazel-<workspace> लिंक के पैरंट डायरेक्ट्री होती है.
परफ़ॉर्मेंस प्रोफ़ाइलिंग
JSON ट्रेस प्रोफ़ाइल का इस्तेमाल करके, यह तुरंत समझा जा सकता है कि Bazel ने कॉल के दौरान किस काम पर समय बिताया.
--experimental_command_profile
फ़्लैग का इस्तेमाल, अलग-अलग तरह की Java फ़्लाइट रिकॉर्डर प्रोफ़ाइलें कैप्चर करने के लिए किया जा सकता है (सीपीयू टाइम, वॉल टाइम, मेमोरी ऐलोकेशन, और लॉक कॉन्टेंट).
--starlark_cpu_profile
फ़्लैग का इस्तेमाल, Starlark थ्रेड के सीपीयू इस्तेमाल की pprof प्रोफ़ाइल लिखने के लिए किया जा सकता है.
मेमोरी प्रोफ़ाइलिंग
Basel में एक मेमोरी प्रोफ़ाइलर होता है जो आपके नियम में मेमोरी के इस्तेमाल की जांच करने में आपकी मदद कर सकता है. अगर कोई समस्या है, तो हेप को डंप करके, कोड की वह लाइन ढूंढी जा सकती है जिसकी वजह से समस्या आ रही है.
मेमोरी ट्रैकिंग की सुविधा चालू करना
आपको Bazel को हर बार इस्तेमाल करने के लिए, ये दो स्टार्टअप फ़्लैग पास करने होंगे:
STARTUP_FLAGS=\
--host_jvm_args=-javaagent:<path to java-allocation-instrumenter-3.3.0.jar> \
--host_jvm_args=-DRULE_MEMORY_TRACKER=1
ये सर्वर को मेमोरी ट्रैकिंग मोड में शुरू करते हैं. अगर आपने एक बार भी Bazel को इस्तेमाल करने के लिए ये विकल्प नहीं चुने, तो सर्वर फिर से शुरू हो जाएगा और आपको फिर से शुरू करना होगा.
मेमोरी ट्रैकर का इस्तेमाल करना
उदाहरण के लिए, टारगेट foo को देखें और जानें कि यह क्या करता है. सिर्फ़ विश्लेषण चलाने और बिल्ड को लागू करने के फ़ेज़ को न चलाने के लिए, --nobuild फ़्लैग जोड़ें.
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
इसके बाद, देखें कि पूरा Bazel इंस्टेंस कितनी मेमोरी का इस्तेमाल करता है:
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
bazel dump --rules का इस्तेमाल करके, नियम की क्लास के हिसाब से डेटा देखें:
$ 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 का इस्तेमाल करके pprof फ़ाइल बनाकर देखें कि मेमोरी कहां जा रही है:
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
ढेर की जांच करने के लिए, pprof टूल का इस्तेमाल करें. pprof -flame $HOME/prof.gz का इस्तेमाल करके, फ़्लेम ग्राफ़ पाना, शुरुआत करने का एक अच्छा तरीका है.
pprof को https://github.com/google/pprof से डाउनलोड करें.
कॉल के लिए सबसे ज़्यादा इस्तेमाल की जाने वाली साइटों का टेक्स्ट डंप पाएं. इसमें, लाइन के साथ एनोटेशन भी शामिल हैं:
$ 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)