การเพิ่มประสิทธิภาพ

รายงานปัญหา ดูแหล่งที่มา รุ่น Nightly · 7.4 7.3 · 7.2 · 7.1 · 7.0 · 6.5

เมื่อเขียนกฎ ข้อผิดพลาดด้านประสิทธิภาพที่พบบ่อยที่สุดคือการส่งผ่านหรือคัดลอกข้อมูลที่รวบรวมมาจากทรัพยากร Dependency เมื่อรวบรวมข้อมูลทั้งหมดในบิลด์ การดำเนินการเหล่านี้อาจใช้เวลาหรือพื้นที่เก็บข้อมูล O(N^2) ได้อย่างง่ายดาย คุณจึงควรทำความเข้าใจวิธีใช้ Depset อย่างมีประสิทธิภาพเพื่อหลีกเลี่ยงปัญหานี้

การดำเนินการนี้อาจทำได้ยาก ดังนั้น Bazel จึงมีเครื่องมือวิเคราะห์หน่วยความจำที่จะช่วยคุณค้นหาจุดที่คุณอาจทำผิดพลาด โปรดทราบว่าค่าใช้จ่ายในการเขียนกฎที่ไม่มีประสิทธิภาพอาจไม่ชัดเจนจนกว่ากฎดังกล่าวจะใช้งานกันอย่างแพร่หลาย

ใช้การตั้งค่า

คุณควรใช้ depsets ทุกครั้งที่รวมข้อมูลจากข้อกําหนดของกฎ ใช้เฉพาะลิสต์หรือพจนานุกรมธรรมดาเพื่อเผยแพร่ข้อมูลในกฎปัจจุบัน

ชุดข้อมูล Dependency Set จะแสดงข้อมูลเป็นกราฟที่ฝังอยู่ซึ่งช่วยให้แชร์ได้

ลองดูกราฟต่อไปนี้

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

แต่ละโหนดจะเผยแพร่สตริงเดียว เมื่อใช้ชุดข้อมูล ข้อมูลจะมีลักษณะดังนี้

a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])

โปรดทราบว่าแต่ละรายการจะกล่าวถึงเพียงครั้งเดียว เมื่อใช้รายการ คุณจะได้รับสิ่งต่อไปนี้

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

โปรดทราบว่าในกรณีนี้มีการพูดถึง 'a' 4 ครั้ง แต่ด้วยกราฟที่ใหญ่กว่านี้ ปัญหานี้จะแย่ลงเท่านั้น

ต่อไปนี้คือตัวอย่างการใช้งานกฎที่ใช้ depset อย่างถูกต้องเพื่อเผยแพร่ข้อมูลที่ส่งผ่าน โปรดทราบว่าคุณเผยแพร่ข้อมูลระดับกฎโดยใช้ลิสต์ได้หากต้องการ เนื่องจากการดำเนินการนี้ไม่ใช่ 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
  )]

ดูข้อมูลเพิ่มเติมได้ที่หน้าภาพรวมของชุดข้อมูล

หลีกเลี่ยงการโทรหา depset.to_list()

คุณสามารถบังคับให้ depset เป็นรายการแบบแบนโดยใช้ to_list() แต่โดยทั่วไปแล้วการดำเนินการนี้จะส่งผลให้มีต้นทุน O(N^2) หากทำได้ ให้หลีกเลี่ยงการแยกชุดย่อยออก ยกเว้นเพื่อจุดประสงค์ในการแก้ไขข้อบกพร่อง

สิ่งที่คนมักเข้าใจผิดก็คือคุณจะลดค่าเดี่ยวลงได้อย่างอิสระหากทำได้แค่ที่เป้าหมายระดับบนสุดเท่านั้น เช่น กฎ <xx>_binary เนื่องจากค่าใช้จ่ายดังกล่าวจะไม่ถูกสะสมในแต่ละระดับของกราฟบิลด์ แต่วิธีนี้ยังคงเป็น O(N^2) เมื่อคุณสร้างชุดเป้าหมายที่มีความสัมพันธ์ซึ่งกันและกัน กรณีนี้จะเกิดขึ้นเมื่อคุณสร้างการทดสอบ //foo/tests/... หรือเมื่อนําเข้าโปรเจ็กต์ IDE

ลดจํานวนการโทรเป็น depset

การโทรหา depset ภายในลูปมักจะมีข้อผิดพลาด ซึ่งอาจทําให้เกิด Depset ที่มีการฝังซ้อนกันมาก ซึ่งทํางานได้ไม่ดี เช่น

x = depset()
for i in inputs:
    # Do not do that.
    x = depset(transitive = [x, i.deps])

โค้ดนี้สามารถแทนที่ได้โดยง่าย ก่อนอื่น ให้รวบรวมชุดข้อมูล transitive แล้วผสานทั้งหมดพร้อมกัน

transitive = []

for i in inputs:
    transitive.append(i.deps)

x = depset(transitive = transitive)

บางครั้งคุณอาจลดจำนวนการเรียกใช้นี้ได้ด้วยการใช้ลิสต์คอมเพรสชัน ดังนี้

x = depset(transitive = [i.deps for i in inputs])

ใช้ ctx.actions.args() สําหรับบรรทัดคําสั่ง

เมื่อสร้างบรรทัดคำสั่ง คุณควรใช้ ctx.actions.args() ซึ่งจะเลื่อนการขยายชุดข้อมูลไปยังระยะการดําเนินการ

นอกจากความเร็วสูงสุดแล้ว กฎของคุณจะช่วยลดการใช้หน่วยความจำได้ ซึ่งบางครั้งอาจลดลง 90% หรือมากกว่านั้น

ลองดูเคล็ดลับต่อไปนี้

  • ส่งผ่านค่ากำหนดและรายการเป็นอาร์กิวเมนต์โดยตรง แทนที่จะแยกเป็นหลายรายการเอง ระบบจะเพิ่มพื้นที่เก็บข้อมูลให้ ctx.actions.args() GB หากต้องการการเปลี่ยนรูปแบบใดๆ ในเนื้อหา Depset ลองดูที่ ctx.actions.args#add เพื่อดูว่าสิ่งใดเป็นไปตามใบเรียกเก็บเงินหรือไม่

  • คุณส่ง File#path เป็นอาร์กิวเมนต์อยู่หรือไม่ ไม่จำเป็น ระบบจะเปลี่ยนไฟล์เป็นเส้นทางโดยอัตโนมัติ โดยจะเลื่อนไปไว้ที่เวลาขยาย

  • หลีกเลี่ยงการสร้างสตริงโดยการต่อสตริงเข้าด้วยกัน อาร์กิวเมนต์สตริงที่ดีที่สุดคือค่าคงที่ เนื่องจากระบบจะแชร์หน่วยความจำของอาร์กิวเมนต์นี้ระหว่างอินสแตนซ์ทั้งหมดของกฎ

  • หากอาร์กิวเมนต์ยาวเกินไปสำหรับบรรทัดคำสั่ง ออบเจ็กต์ ctx.actions.args() จะเขียนแบบมีเงื่อนไขหรือไม่มีเงื่อนไขลงในไฟล์พารามิเตอร์ได้โดยใช้ ctx.actions.args#use_param_file ซึ่งการดำเนินการนี้จะดําเนินการในเบื้องหลังเมื่อมีการดําเนินการ หากต้องการควบคุมไฟล์พารามิเตอร์อย่างชัดแจ้ง คุณเขียนด้วยตนเองได้โดยใช้ ctx.actions.write

ตัวอย่าง

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

อินพุตการดําเนินการแบบทรานซิทีฟควรเป็นชุดข้อมูล

เมื่อสร้างการทำงานโดยใช้ ctx.actions.run โปรดทราบว่าช่อง inputs จะยอมรับการเลิกใช้งาน ใช้คำสั่งนี้ทุกครั้งที่รวบรวมอินพุตจากข้อกําหนดเบื้องต้นแบบทรานซิทีฟ

inputs = depset(...)
ctx.actions.run(
  inputs = inputs,  # Do *not* turn inputs into a list
  ...
)

แขวน

หาก Bazel ดูเหมือนจะค้าง ให้กด Ctrl-\ หรือส่งสัญญาณ SIGQUIT (kill -3 $(bazel info server_pid)) ไปยัง Bazel เพื่อดูการถ่ายโอนข้อมูลชุดข้อความในไฟล์ $(bazel info output_base)/server/jvm.out

เนื่องจากคุณอาจเรียกใช้ bazel info ไม่ได้หากมีการระงับ Bazel ทำให้ไดเรกทอรี output_base มักเป็นระดับบนสุดของลิงก์สัญลักษณ์ bazel-<workspace> ในไดเรกทอรี Workspace

โปรไฟล์ประสิทธิภาพ

Bazel จะเขียนโปรไฟล์ JSON ไปยัง command.profile.gz ในฐานเอาต์พุตโดยค่าเริ่มต้น คุณกำหนดค่าตำแหน่งได้ด้วยแฟล็ก --profile เช่น --profile=/tmp/profile.gz ตำแหน่งที่ลงท้ายด้วย .gz จะได้รับการบีบอัดด้วย GZIP

หากต้องการดูผลลัพธ์ ให้เปิด chrome://tracing ในแท็บเบราว์เซอร์ Chrome แล้วคลิก "โหลด" แล้วเลือกไฟล์โปรไฟล์ (อาจมีการบีบอัด) หากต้องการดูผลลัพธ์โดยละเอียด ให้คลิกช่องที่มุมล่างซ้าย

คุณใช้การควบคุมด้วยแป้นพิมพ์ต่อไปนี้เพื่อไปยังส่วนต่างๆ ได้

  • กด 1 สำหรับโหมด "เลือก" ในโหมดนี้ คุณสามารถเลือกช่องทำเครื่องหมายเพื่อตรวจสอบรายละเอียดกิจกรรมได้ (ดูมุมซ้ายล่าง) เลือกหลายกิจกรรมเพื่อดูข้อมูลสรุปและสถิติแบบรวม
  • กด 2 สำหรับโหมด "เลื่อน" จากนั้นลากเมาส์เพื่อย้ายมุมมอง หรือจะใช้ a/d เพื่อเลื่อนไปทางซ้าย/ขวาก็ได้
  • กด 3 สำหรับโหมด "ซูม" จากนั้นลากเมาส์เพื่อซูม คุณยังใช้ w/s เพื่อซูมเข้า/ออกได้ด้วย
  • กด 4 สำหรับโหมด "การวัดเวลา" ซึ่งคุณสามารถวัดระยะทางระหว่างเหตุการณ์ 2 รายการ
  • กด ? เพื่อดูข้อมูลเกี่ยวกับการควบคุมทั้งหมด

ข้อมูลโปรไฟล์

ตัวอย่างโปรไฟล์

ตัวอย่างโปรไฟล์

รูปที่ 1 ตัวอย่างโปรไฟล์

แถวพิเศษมีดังนี้

  • action counters: แสดงจำนวนการกระทำที่เกิดขึ้นพร้อมกันในระหว่างบิน คลิกเพื่อดูค่าจริง ควรมีค่าเป็น --jobs ในบิลด์ที่สะอาด
  • cpu counters: สำหรับแต่ละวินาทีของการสร้าง ระบบจะแสดงปริมาณ CPU ที่ Bazel ใช้ (ค่า 1 เท่ากับแกน 1 แกนที่มีการใช้งาน 100%)
  • Critical Path: แสดงบล็อก 1 บล็อกสําหรับการดําเนินการแต่ละรายการในเส้นทางสําคัญ
  • grpc-command-1: ด้ายหลักของ Bazel มีประโยชน์ในการดูภาพรวมระดับสูงของสิ่งที่ Bazel กำลังทำ เช่น "Launch Bazel", "evaluateTargetPatterns" และ "runAnalysisPhase"
  • Service Thread: แสดงการหยุดชั่วคราวที่เก็บข้อมูลขยะย่อย (GC) ย่อยและขนาดใหญ่

แถวอื่นๆ จะแสดงเธรด Bazel และแสดงเหตุการณ์ทั้งหมดในเธรดนั้น

ปัญหาด้านประสิทธิภาพที่พบบ่อย

เมื่อวิเคราะห์โปรไฟล์ประสิทธิภาพ ให้มองหาสิ่งต่อไปนี้

  • ระยะการวิเคราะห์ช้ากว่าที่คาดไว้ (runAnalysisPhase) โดยเฉพาะในบิลด์ที่เพิ่มขึ้น ซึ่งอาจเป็นสัญญาณของการใช้กฎที่ไม่มีประสิทธิภาพ เช่น กฎที่แยกการตั้งค่าเป็นเดี่ยว การโหลดแพ็กเกจอาจช้าเนื่องจากมีเป้าหมายมากเกินไป มาโครที่ซับซ้อน หรือนิพจน์ทั่วไปแบบซ้ำซ้อน
  • การดำเนินการแต่ละรายการที่ช้า โดยเฉพาะการดำเนินการในเส้นทางที่สำคัญ คุณอาจแยกการดำเนินการขนาดใหญ่ออกเป็นการดำเนินการขนาดเล็กหลายรายการ หรือลดชุดของข้อกำหนด (แบบทรานซิทีฟ) เพื่อเร่งความเร็วได้ นอกจากนี้ ให้ตรวจสอบว่ามีPROCESS_TIMEสูงผิดปกติหรือไม่ (เช่น REMOTE_SETUP หรือ FETCH)
  • คอขวด ซึ่งก็คือมีเทรดจำนวนน้อยที่ทำงานอยู่ ขณะที่เทรดอื่นๆ ทั้งหมดไม่มีการทำงาน / รอผลลัพธ์ (ดูที่ประมาณ 15 วินาที - 30 วินาทีในภาพหน้าจอด้านบน) การเพิ่มประสิทธิภาพนี้อาจต้องเกี่ยวข้องกับการใช้งานกฎหรือ Bazel เองเพื่อเพิ่มการทำงานแบบขนาน กรณีนี้อาจเกิดขึ้นได้เช่นกัน เมื่อมีปริมาณ GC มากผิดปกติ

รูปแบบไฟล์โปรไฟล์

ออบเจ็กต์ระดับบนสุดมีข้อมูลเมตา (otherData) และข้อมูลการติดตามจริง (traceEvents) ข้อมูลเมตามีข้อมูลเพิ่มเติม เช่น รหัสการเรียกใช้และวันที่เรียกใช้ Bazel

ตัวอย่าง

{
  "otherData": {
    "build_id": "101bff9a-7243-4c1a-8503-9dc6ae4c3b05",
    "date": "Tue Jun 16 08:30:21 CEST 2020",
    "profile_finish_ts": "1677666095162000",
    "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}
 ]
}

การประทับเวลา (ts) และระยะเวลา (dur) ในเหตุการณ์การติดตามจะแสดงเป็นหน่วยไมโครวินาที หมวดหมู่ (cat) เป็นหนึ่งในค่า enum ของ ProfilerTask โปรดทราบว่าระบบจะผสานเหตุการณ์บางรายการเข้าด้วยกันหากเหตุการณ์เหล่านั้นสั้นมากและอยู่ใกล้กัน ให้ส่ง --noslim_json_profile หากต้องการป้องกันการผสานเหตุการณ์

โปรดดูหัวข้อข้อกําหนดเฉพาะรูปแบบเหตุการณ์การติดตามของ Chrome ด้วย

analyze-profile

วิธีการโปรไฟล์นี้ประกอบด้วย 2 ขั้นตอน โดยขั้นแรกคุณต้องเรียกใช้ --profile build/test เช่น

$ bazel build --profile=/tmp/prof //path/to:target

ไฟล์ที่สร้างขึ้น (ในกรณีนี้คือ /tmp/prof) เป็นไฟล์ไบนารี ซึ่งสามารถประมวลผลและวิเคราะห์ภายหลังโดยใช้คำสั่ง analyze-profile ดังนี้

$ bazel analyze-profile /tmp/prof

โดยค่าเริ่มต้น จะมีการพิมพ์ข้อมูลการวิเคราะห์สรุปสำหรับไฟล์ข้อมูลโปรไฟล์ที่ระบุ ซึ่งรวมถึงสถิติสะสมสำหรับงานประเภทต่างๆ ในแต่ละระยะการสร้าง และการวิเคราะห์เส้นทางที่สำคัญ

ส่วนแรกของเอาต์พุตเริ่มต้นคือภาพรวมของเวลาที่ใช้ในการดำเนินการในแต่ละระยะการสร้าง

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

การสร้างโปรไฟล์หน่วยความจำ

Bazel มาพร้อมกับเครื่องมือสร้างโปรไฟล์หน่วยความจำในตัวที่จะช่วยให้คุณตรวจสอบการใช้หน่วยความจำของกฎได้ หากพบปัญหา คุณสามารถถ่ายโอนข้อมูลกองขยะเพื่อค้นหาบรรทัดโค้ดที่ทำให้เกิดปัญหา

การเปิดใช้การติดตามหน่วยความจํา

คุณต้องส่ง Flag เริ่มต้น 2 รายการนี้ไปยังการเรียกใช้ Bazel ทุกครั้ง

  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

ซึ่งจะเริ่มต้นเซิร์ฟเวอร์ในโหมดการติดตามหน่วยความจํา หากคุณลืมดำเนินการเหล่านี้แม้แต่ในการเรียกใช้ Bazel เพียงครั้งเดียว เซิร์ฟเวอร์จะรีสตาร์ทและคุณจะต้องเริ่มใหม่

การใช้เครื่องมือติดตามหน่วยความจำ

ตัวอย่างเช่น ให้ดูที่เป้าหมาย foo และดูว่าทําอะไร หากต้องการเรียกใช้การวิเคราะห์เท่านั้นและไม่เรียกใช้ระยะการทำงานของบิลด์ ให้เพิ่ม Flag --nobuild

$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo

ต่อไป ให้ดูว่าอินสแตนซ์ Bazel ทั้งหมดใช้หน่วยความจำเท่าใด

$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB

แจกแจงตามคลาสกฎโดยใช้ 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)

ดูว่าหน่วยความจําถูกใช้ไปที่ไหนโดยสร้างไฟล์ pprof ใช้ 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 จุดเริ่มต้นที่ดีคือการดูกราฟเปลวไฟโดยใช้ pprof -flame $HOME/prof.gz

รับ pprof จาก https://github.com/google/pprof

รับการดัมพ์ข้อความของเว็บไซต์ที่มีการโทรเข้ามากที่สุดพร้อมคำอธิบายประกอบด้วยบรรทัดต่อไปนี้

$ 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)