Skyframe

Informar un problema Ver fuente Noche}

El modelo de incrementalidad y evaluación paralelo de Bazel.

Modelo de datos

El modelo de datos consta de los siguientes elementos:

  • SkyValue. También se denominan nodos. SkyValues son objetos inmutables que contienen todos los datos compilados a lo largo de la compilación y las entradas de esta. Por ejemplo: archivos de entrada, archivos de salida, destinos y destinos configurados.
  • SkyKey: Es un nombre inmutable y corto que hace referencia a un SkyValue, por ejemplo, FILECONTENTS:/tmp/foo o PACKAGE://foo.
  • SkyFunction. Compila nodos en función de sus claves y nodos dependientes.
  • Grafo de nodo Es una estructura de datos que contiene la relación de dependencia entre los nodos.
  • Skyframe. Es el nombre interno en el que se basa Bazel para el framework de evaluación incremental.

Evaluación

Una compilación consiste en evaluar el nodo que representa la solicitud de compilación (este es el estado que deseamos, pero hay mucho código heredado en el camino). Primero, se encuentra su SkyFunction y se lo llama con la clave del SkyKey de nivel superior. Luego, la función solicita la evaluación de los nodos que necesita para evaluar el nodo de nivel superior, lo que, a su vez, genera otras invocaciones de funciones, y así sucesivamente, hasta que se alcanzan los nodos hoja (que suelen ser nodos que representan archivos de entrada en el sistema de archivos). Por último, obtenemos el valor de SkyValue de nivel superior, algunos efectos secundarios (como archivos de salida en el sistema de archivos) y un grafo acíclico dirigido de las dependencias entre los nodos que participaron en la compilación.

Un SkyFunction puede solicitar SkyKeys en varios pases si no puede detectar con anticipación todos los nodos que necesita para hacer su trabajo. Un ejemplo sencillo es evaluar un nodo de archivo de entrada que resulta ser un symlink: la función intenta leer el archivo, se da cuenta de que es un symlink y, por lo tanto, recupera el nodo del sistema de archivos que representa el destino del symlink. Pero eso en sí puede ser un symlink, en cuyo caso la función original también deberá recuperar su destino.

Las funciones se representan en el código con la interfaz SkyFunction y los servicios que se le proporcionan mediante una interfaz llamada SkyFunction.Environment. Estas son las acciones que pueden realizar las funciones:

  • Solicita la evaluación de otro nodo llamando a env.getValue. Si el nodo está disponible, se muestra su valor. De lo contrario, se muestra null y se espera que la función misma muestre null. En este último caso, se evalúa el nodo dependiente y, luego, se vuelve a invocar el compilador de nodos original, pero esta vez la misma llamada a env.getValue mostrará un valor distinto de null.
  • Llama a env.getValues() para solicitar la evaluación de muchos otros nodos. Básicamente, esto hace lo mismo, excepto que los nodos dependientes se evalúan en paralelo.
  • Hacer cálculos durante la invocación
  • Tener efectos secundarios, por ejemplo, escribir archivos en el sistema Se debe tener cuidado de que dos funciones diferentes no se pisen entre sí. En general, están bien los efectos secundarios de escritura (en los que los datos fluyen hacia afuera desde Bazel), no los efectos secundarios de lectura (en los que los datos fluyen hacia Bazel sin una dependencia registrada), ya que son una dependencia no registrada y, por lo tanto, pueden causar compilaciones incrementales incorrectas.

Las implementaciones de SkyFunction no deben acceder a los datos de ninguna otra manera que no sea solicitar dependencias (por ejemplo, leer directamente el sistema de archivos), ya que eso hace que Bazel no registre la dependencia de datos en el archivo que se leyó y, por lo tanto, genera compilaciones incrementales incorrectas.

Una vez que una función tenga suficientes datos para realizar su trabajo, debería mostrar un valor distinto de null que indique la finalización.

Esta estrategia de evaluación tiene una serie de beneficios:

  • Hermeticidad. Si las funciones solo solicitan datos de entrada dependiendo de otros nodos, Bazel puede garantizar que, si el estado de entrada es el mismo, se muestran los mismos datos. Si todas las funciones de Sky son determinísticas, esto significa que toda la compilación también será determinista.
  • Incrementalidad correcta y perfecta. Si se registran todos los datos de entrada de todas las funciones, Bazel puede invalidar solo el conjunto exacto de nodos que se deben invalidar cuando cambian los datos de entrada.
  • Paralelismo. Dado que las funciones solo pueden interactuar entre sí mediante la solicitud de dependencias, las funciones que no dependen unas de otras pueden ejecutarse en paralelo, y Bazel puede garantizar que el resultado sea el mismo que si se ejecutaran secuencialmente.

Incrementalidad

Dado que las funciones solo pueden acceder a los datos de entrada dependiendo de otros nodos, Bazel puede crear un grafo de flujo de datos completo desde los archivos de entrada hasta los archivos de salida y usar esta información para reconstruir solo los nodos que realmente deben reconstruirse: el cierre transitivo inverso del conjunto de archivos de entrada modificados.

En particular, existen dos estrategias de incrementalidad posibles: la de abajo arriba y la de arriba abajo. La opción óptima depende de cómo se vea el gráfico de la dependencia.

  • Durante la invalidación ascendente, después de que se crea un grafo y se conoce el conjunto de entradas modificadas, se invalidan todos los nodos que dependen transitivamente de los archivos modificados. Esto es óptimo si sabemos que se volverá a compilar el mismo nodo de nivel superior. Ten en cuenta que la invalidación de abajo hacia arriba requiere que se ejecute stat() en todos los archivos de entrada de la compilación anterior para determinar si se modificaron. Esto se puede mejorar usando inotify o un mecanismo similar para obtener información sobre los archivos modificados.

  • Durante la invalidación descendente, se verifica el cierre transitivo del nodo de nivel superior y solo se conservan aquellos nodos cuyo cierre transitivo está limpio. Esto es mejor si sabemos que el gráfico de nodos actual es grande, pero solo necesitamos un pequeño subconjunto de él en la próxima compilación: la invalidación ascendente invalidaría el gráfico más grande de la primera compilación, a diferencia de la invalidación de arriba hacia abajo, que solo recorre el gráfico pequeño de la segunda compilación.

Actualmente, solo realizamos invalidaciones ascendentes.

Para obtener una mayor incrementalidad, usamos la reducción de cambios: si un nodo se invalida, pero después de volver a compilarse, se descubre que su nuevo valor es el mismo que su valor anterior, los nodos que se invalidaron debido a un cambio en este nodo se “resucitarán”.

Esto resulta útil, por ejemplo, si se cambia un comentario en un archivo C++: el archivo .o generado a partir de él será el mismo, por lo que no será necesario volver a llamar al vinculador.

Vinculación / compilación incremental

La principal limitación de este modelo es que la invalidación de un nodo es un asunto de todo o nada: cuando una dependencia cambia, el nodo dependiente siempre se reconstruye desde cero, incluso si existiera un algoritmo mejor que mutara el valor anterior del nodo en función de los cambios. Estos son algunos ejemplos en los que esto podría ser útil:

  • Vinculación incremental
  • Cuando un solo archivo .class cambia en una .jar, en teoría, podríamos modificar el archivo .jar en lugar de compilarlo desde cero nuevamente.

La razón por la que Bazel actualmente no admite estas cosas de manera de principios (tenemos algunas medidas de compatibilidad con la vinculación incremental, pero no se implementa dentro de Skyframe) es doble: solo obtuvimos mejoras de rendimiento limitadas y era difícil garantizar que el resultado de la mutación fuera el mismo que el de una recompilación limpia, y Google valora las compilaciones que se pueden repetir bit a bit.

Hasta ahora, siempre podíamos lograr un rendimiento suficientemente bueno con solo descomponer un paso de compilación costoso y realizar una reevaluación parcial de esa manera: divide todas las clases de una app en varios grupos y realiza la conversión a DEX por separado. De esta manera, si las clases de un grupo no cambian, no es necesario rehacer la conversión a DEX.

Asigna a conceptos de Bazel

Esta es una descripción general de algunas de las implementaciones de SkyFunction que Bazel usa para realizar una compilación:

  • FileStateValue Es el resultado de un lstat(). En el caso de los archivos existentes, también procesamos información adicional para detectar cambios en el archivo. Se trata del nodo de nivel más bajo del gráfico de Skyframe y no tiene dependencias.
  • FileValue predeterminado Lo usa todo lo que se preocupa por el contenido real o la ruta de acceso resuelta de un archivo. Depende del FileStateValue correspondiente y de cualquier symlink que se deba resolver (como FileValue para a/b necesita la ruta resuelta de a y la ruta resuelta de a/b). La distinción entre FileStateValue es importante porque, en algunos casos (por ejemplo, evaluar los globs del sistema de archivos (como srcs=glob(["*/*.java"])) el contenido del archivo no es realmente necesario.
  • DirectoryListingValue. Básicamente, es el resultado de readdir(). Depende del FileValue asociado al directorio.
  • PackageValue: Representa la versión analizada de un archivo BUILD. Depende del FileValue del archivo BUILD asociado y, también de forma transitiva, de cualquier DirectoryListingValue que se use para resolver los globs en el paquete (la estructura de datos que representa el contenido de un archivo BUILD de forma interna).
  • ConfiguredTargetValue. Representa un objetivo configurado, que es una tupla del conjunto de acciones generadas durante el análisis de un objetivo y la información proporcionada a los objetivos configurados que dependen de este. Depende del PackageValue en el que se encuentra el destino correspondiente, el ConfiguredTargetValues de las dependencias directas y un nodo especial que representa la configuración de compilación.
  • ArtifactValue asociado. Representa un archivo de la compilación, ya sea una fuente o artefactos de salida (los artefactos son casi equivalentes a los archivos y se usan para hacer referencia a los archivos durante la ejecución real de los pasos de compilación). Para los archivos de origen, depende del FileValue del nodo asociado. Para los artefactos de salida, depende del ActionExecutionValue de cualquier acción que genere el artefacto.
  • ActionExecutionValue predeterminado. Representa la ejecución de una acción. Depende del ArtifactValues de sus archivos de entrada. La acción que ejecuta se encuentra dentro de su clave Sky, lo que contradice el concepto de que estas teclas deben ser pequeñas. Estamos trabajando para resolver esta discrepancia (ten en cuenta que ActionExecutionValue y ArtifactValue no se usan si no ejecutamos la fase de ejecución en Skyframe).