규칙을 작성할 때 가장 일반적인 성능 문제는 종속 항목에서 누적된 데이터를 순회하거나 복사하는 것입니다. 이러한 작업은 전체 빌드를 대상으로 집계할 때 쉽게 O(N^2) 시간이나 공간이 걸릴 수 있습니다. 이를 방지하려면 depset을 효과적으로 사용하는 방법을 이해하는 것이 중요합니다.
이 모든 것을 올바르게 수행하기가 어려울 수 있으므로 Bazel은 실수했을 수 있는 곳을 찾도록 도와주는 메모리 프로파일러도 제공합니다. 주의: 비효율적인 규칙을 작성하는 데 드는 비용은 광범위하게 사용될 때까지 분명하게 드러나지 않을 수 있습니다.
depset 사용
규칙 종속 항목에서 정보를 롤업할 때마다 depsets를 사용해야 합니다. 현재 규칙에 로컬인 정보를 게시할 때는 일반 목록 또는 사전만 사용하세요.
depset은 공유를 사용 설정하는 중첩 그래프로 정보를 나타냅니다.
다음 그래프를 살펴보세요.
C -> B -> A
D ---^
각 노드는 하나의 문자열을 게시합니다. depset을 사용하면 데이터는 다음과 같이 표시됩니다.
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
각 항목은 한 번만 언급됩니다. 목록을 사용하면 다음과 같은 결과를 얻을 수 있습니다.
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
이 경우 'a'가 4번 언급됩니다. 그래프가 클수록 이 문제는 더 악화될 뿐입니다.
다음은 depset을 올바르게 사용하여 전이 정보를 게시하는 규칙 구현의 예입니다. O(N^2)가 아니므로 원하는 경우 목록을 사용하여 규칙-로컬 정보를 게시해도 괜찮습니다.
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
)]
자세한 내용은 depset 개요 페이지를 참고하세요.
depset.to_list() 호출 피하기
to_list()를 사용하여 depset을 평면 목록으로 강제 변환할 수 있지만 이렇게 하면 일반적으로 O(N^2) 비용이 발생합니다. 가능하면 디버깅 목적을 제외하고 depset의 평면화를 피합니다.
일반적으로 <xx>_binary 규칙과 같은 최상위 대상에서만 depset을 평탄화하면 비용이 빌드 그래프의 각 수준에 걸쳐 누적되지 않으므로 평탄화가 가능하다는 것이 가장 일반적인 오해입니다. 그러나 종속 항목이 중복되는 타겟 세트를 빌드하는 경우 여전히 O(N^2)입니다. 이는 //foo/tests/... 테스트를 빌드하거나 IDE 프로젝트를 가져올 때 발생합니다.
depset 통화 수를 줄입니다.
루프 내에서 depset를 호출하는 것은 종종 실수입니다. 매우 깊은 중첩이 있는 depset을 초래할 수 있고, 이는 성능이 떨어질 수 있습니다. 예를 들면 다음과 같습니다.
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
이 코드는 쉽게 교체할 수 있습니다. 먼저 전이적 depset을 수집하고 모두 한 번에 병합합니다.
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
이는 목록 이해를 사용하여 줄일 수 있는 경우도 있습니다.
x = depset(transitive = [i.deps for i in inputs])
명령줄에 ctx.actions.args() 사용
명령줄을 빌드할 때 ctx.actions.args()를 사용해야 합니다. 그러면 종속 항목의 확장이 실행 단계로 지연됩니다.
이렇게 하면 속도가 엄격하게 적용되는 것 외에도 규칙의 메모리 소비를 90% 이상 줄일 수 있습니다.
다음은 몇 가지 유용한 정보입니다.
depset과 목록을 평면화하는 대신 인수로 직접 전달합니다.
ctx.actions.args()단위로 확장됩니다. depset 콘텐츠를 변환해야 하는 경우 ctx.actions.args#add를 확인하여 청구서에 맞는 항목이 있는지 확인하세요.File#path를 인수로 전달하나요? 필요하지 않습니다. 모든 파일은 자동으로 파일의 경로로 전환되며 확장 시간에 따라 결정됩니다.문자열을 함께 연결하여 구성하지 마세요. 최상의 문자열 인수는 메모리가 규칙의 모든 인스턴스 간에 공유되므로 상수입니다.
명령줄에서 인수가 너무 긴 경우
ctx.actions.args#use_param_file를 사용하여ctx.actions.args()객체를 조건부 또는 무조건적으로 매개변수 파일에 작성할 수 있습니다. 이 작업은 작업이 실행될 때 백그라운드에서 실행됩니다. 매개변수 파일을 명시적으로 제어해야 하는 경우ctx.actions.write를 사용하여 수동으로 작성할 수 있습니다.
예:
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
전환 작업 입력은 depset이어야 합니다.
ctx.actions.run을 사용하여 작업을 빌드할 때는 inputs 필드가 종속 항목을 허용한다는 점을 잊지 마세요. 종속 항목에서 입력이 전이적으로 수집될 때마다 이 메서드를 사용합니다.
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
걸이식
Bazel이 정지된 것 같으면 Ctrl-\를 누르거나 Bazel에 SIGQUIT 신호 (kill -3 $(bazel info server_pid))를 보내 $(bazel info output_base)/server/jvm.out 파일의 스레드 덤프를 가져올 수 있습니다.
bazel이 고정되어 있으면 bazel info를 실행하지 못할 수 있으므로 output_base 디렉터리는 일반적으로 작업공간 디렉터리에 있는 bazel-<workspace> 심볼릭 링크의 상위 요소입니다.
성능 프로파일링
Bazel은 기본적으로 JSON 프로필을 출력 베이스의 command.profile.gz에 씁니다. --profile 플래그(예: --profile=/tmp/profile.gz)를 사용하여 위치를 구성할 수 있습니다. .gz로 끝나는 위치는 GZIP으로 압축됩니다.
결과를 확인하려면 Chrome 브라우저 탭에서 chrome://tracing을 열고 'Load (로드)'를 클릭한 다음 압축될 수 있는 프로필 파일을 선택합니다. 자세한 결과를 보려면 왼쪽 하단의 상자를 클릭하세요.
다음과 같은 키보드 컨트롤을 사용하여 이동할 수 있습니다.
- '선택' 모드로 전환하려면
1키를 누르세요. 이 모드에서는 특정 상자를 선택하여 이벤트 세부정보를 검사할 수 있습니다 (왼쪽 하단 참조). 여러 이벤트를 선택하여 요약 및 집계된 통계를 확인하세요. - '화면 이동' 모드를 사용하려면
2키를 누르세요. 그런 다음 마우스를 드래그하여 보기를 이동합니다.a/d를 사용하여 왼쪽/오른쪽으로 이동할 수도 있습니다. - '확대/축소' 모드를 사용하려면
3키를 누르세요. 그런 다음 마우스를 드래그하여 확대/축소합니다.w/s를 사용하여 확대/축소할 수도 있습니다. - 두 이벤트 간 거리를 측정할 수 있는 '타이밍' 모드에
4키를 누릅니다. - 모든 컨트롤에 관해 알아보려면
?키를 누르세요.
프로필 정보
프로필 예:
그림 1. 프로필 예
다음과 같은 특수 행이 있습니다.
action counters: 진행 중인 동시 작업 수를 표시합니다. 클릭하여 실제 값을 확인하세요. 클린 빌드에서--jobs값까지 올라갑니다.cpu counters: 빌드 초당마다 Bazel에서 사용하는 CPU 양이 표시됩니다 (값이 1이면 코어 하나가 100% 사용 중이라는 의미).Critical Path: 주요 경로의 각 작업에 하나의 블록을 표시합니다.grpc-command-1: Bazel의 기본 스레드. 'Bazel 실행', 'AssessTargetPatterns', 'runAnalysisPhase'와 같이 Bazel이 수행하는 작업을 대략적으로 파악하는 데 유용합니다.Service Thread: 소규모 및 주요 가비지 컬렉션 (GC) 일시중지를 표시합니다.
다른 행은 Bazel 스레드를 나타내며 해당 스레드의 모든 이벤트를 표시합니다.
일반적인 성능 문제
실적 프로필을 분석할 때는 다음 사항을 확인하세요.
- 특히 증분 빌드에서 예상 분석 단계 (
runAnalysisPhase)보다 느립니다. 이는 예를 들어 depset을 평면화하는 규칙 구현이 잘못되었다는 신호일 수 있습니다. 과도한 양의 타겟, 복잡한 매크로 또는 재귀 glob으로 인해 패키지 로드가 느려질 수 있습니다. - 개별 느린 작업, 특히 중요한 경로에 있는 작업 대규모 작업을 여러 개의 작은 작업으로 분할하거나 (전이적) 종속 항목 집합을 줄여 작업 속도를 높일 수 있습니다. 또한
PROCESS_TIME이 아닌 값이 비정상적으로 높은지 확인합니다 (예:REMOTE_SETUP또는FETCH). - 병목 현상, 즉 소수의 스레드가 바쁜 반면 다른 모든 스레드는 유휴 상태이거나 결과를 기다리는 중입니다 (위 스크린샷에서 약 15~30초 참고). 이를 최적화하려면 규칙 구현 또는 Bazel 자체를 수정하여 더 많은 동시 로드를 도입해야 할 가능성이 높습니다. 이 문제는 GC의 양이 비정상적일 때도 발생할 수 있습니다.
프로필 파일 형식
최상위 객체에는 메타데이터 (otherData)와 실제 추적 데이터(traceEvents)가 포함됩니다. 메타데이터에는 Bazel 호출의 호출 ID 및 날짜와 같은 추가 정보가 포함됩니다.
예:
{
"otherData": {
"build_id": "101bff9a-7243-4c1a-8503-9dc6ae4c3b05",
"date": "Tue Jun 16 08:30:21 CEST 2020",
"output_base": "/usr/local/google/_bazel_johndoe/573d4be77eaa72b91a3dfaa497bf8cd0"
},
"traceEvents": [
{"name":"thread_name","ph":"M","pid":1,"tid":0,"args":{"name":"Critical Path"}},
{"cat":"build phase marker","name":"Launch Bazel","ph":"X","ts":-1824000,"dur":1824000,"pid":1,"tid":60},
...
{"cat":"general information","name":"NoSpawnCacheModule.beforeCommand","ph":"X","ts":116461,"dur":419,"pid":1,"tid":60},
...
{"cat":"package creation","name":"src","ph":"X","ts":279844,"dur":15479,"pid":1,"tid":838},
...
{"name":"thread_name","ph":"M","pid":1,"tid":11,"args":{"name":"Service Thread"}},
{"cat":"gc notification","name":"minor GC","ph":"X","ts":334626,"dur":13000,"pid":1,"tid":11},
...
{"cat":"action processing","name":"Compiling third_party/grpc/src/core/lib/transport/status_conversion.cc","ph":"X","ts":12630845,"dur":136644,"pid":1,"tid":1546}
]
}
트레이스 이벤트의 타임스탬프 (ts)와 기간 (dur)은 마이크로초 단위로 제공됩니다. 카테고리 (cat)는 ProfilerTask의 열거형 값 중 하나입니다.
일부 이벤트는 매우 짧고 서로 가까우면 함께 병합됩니다. 이벤트 병합을 방지하려면 --noslim_json_profile를 전달합니다.
Chrome 트레이스 이벤트 형식 사양도 참고하세요.
분석-프로필
이 프로파일링 메서드는 먼저 --profile 플래그를 사용하여 빌드/테스트를 실행해야 합니다. 예를 들면 다음과 같습니다.
$ bazel build --profile=/tmp/prof //path/to:target
생성된 파일 (이 경우 /tmp/prof)은 바이너리 파일이며 analyze-profile 명령어로 후처리 및 분석할 수 있습니다.
$ bazel analyze-profile /tmp/prof
기본적으로 지정된 프로필 데이터 파일의 요약 분석 정보가 출력됩니다. 여기에는 각 빌드 단계의 다양한 작업 유형에 관한 누적 통계와 주요 경로 분석이 포함됩니다.
기본 출력의 첫 번째 섹션에서는 여러 빌드 단계에 소요된 시간을 간략하게 설명합니다.
INFO: Profile created on Tue Jun 16 08:59:40 CEST 2020, build ID: 0589419c-738b-4676-a374-18f7bbc7ac23, output base: /home/johndoe/.cache/bazel/_bazel_johndoe/d8eb7a85967b22409442664d380222c0
=== PHASE SUMMARY INFORMATION ===
Total launch phase time 1.070 s 12.95%
Total init phase time 0.299 s 3.62%
Total loading phase time 0.878 s 10.64%
Total analysis phase time 1.319 s 15.98%
Total preparation phase time 0.047 s 0.57%
Total execution phase time 4.629 s 56.05%
Total finish phase time 0.014 s 0.18%
------------------------------------------------
Total run time 8.260 s 100.00%
Critical path (4.245 s):
Time Percentage Description
8.85 ms 0.21% _Ccompiler_Udeps for @local_config_cc// compiler_deps
3.839 s 90.44% action 'Compiling external/com_google_protobuf/src/google/protobuf/compiler/php/php_generator.cc [for host]'
270 ms 6.36% action 'Linking external/com_google_protobuf/protoc [for host]'
0.25 ms 0.01% runfiles for @com_google_protobuf// protoc
126 ms 2.97% action 'ProtoCompile external/com_google_protobuf/python/google/protobuf/compiler/plugin_pb2.py'
0.96 ms 0.02% runfiles for //tools/aquery_differ aquery_differ
메모리 프로파일링
Bazel은 규칙의 메모리 사용을 확인하는 데 도움이 될 수 있는 메모리 프로파일러가 내장되어 있습니다. 문제가 있는 경우 힙을 덤프하여 문제를 일으키는 정확한 코드 줄을 찾을 수 있습니다.
메모리 추적 사용 설정
다음 두 시작 플래그를 모든 Bazel 호출에 전달해야 합니다.
STARTUP_FLAGS=\
--host_jvm_args=-javaagent:$(BAZEL)/third_party/allocation_instrumenter/java-allocation-instrumenter-3.3.0.jar \
--host_jvm_args=-DRULE_MEMORY_TRACKER=1
메모리 추적 모드에서 서버를 시작합니다. Bazel 호출 한 번이라도 이를 잊어버리면 서버가 다시 시작되므로 다시 시작해야 합니다.
Memory Tracker 사용
예를 들어 타겟 foo의 기능을 살펴보겠습니다. 분석만 실행하고 빌드 실행 단계는 실행하지 않으려면 --nobuild 플래그를 추가합니다.
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
다음으로 전체 Bazel 인스턴스가 사용하는 메모리의 양을 확인합니다.
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
bazel dump --rules를 사용하여 규칙 클래스별로 분류합니다.
$ 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_memory로 pprof 파일을 생성하여 메모리의 위치를 확인합니다.
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
pprof 도구를 사용하여 힙을 조사합니다. 좋은 시작점은 pprof -flame $HOME/prof.gz를 사용하여 Flame 그래프를 가져오는 것입니다.
https://github.com/google/pprof에서 pprof를 가져옵니다.
다음 줄로 주석이 달린 가장 인기 있는 통화 사이트의 텍스트 덤프를 가져옵니다.
$ 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)