परफ़ॉर्मेंस को ऑप्टिमाइज़ करना

नियम लिखते समय, परफ़ॉर्मेंस से जुड़ी सबसे सामान्य गड़बड़ी ट्रैवर्स या कॉपी करना होती है डिपेंडेंसी से इकट्ठा किया गया डेटा. जब एक साथ एग्रीगेट किया गया हो बनाने के बाद, ये संक्रियाएं आसानी से O(N^2) समय या जगह ले सकती हैं. इससे बचने के लिए, यह समझना ज़रूरी है कि डिपसेट का असरदार तरीके से इस्तेमाल कैसे किया जाए.

इसे सही तरीके से समझना मुश्किल हो सकता है. इसलिए, Basel ने एक मेमोरी प्रोफ़ाइलर भी उपलब्ध कराया है, जो उन जगहों को ढूंढने में आपकी मदद करती है जहां आपसे गलती हो सकती है. सावधान रहें: एक अकुशल नियम लिखने की लागत तब तक नहीं देखी जा सकती, जब तक वह बड़े पैमाने पर इस्तेमाल करते हैं.

डिपसेट का इस्तेमाल करें

नियम डिपेंडेंसी से जुड़ी जानकारी को रोल-अप करने के दौरान, आपको इनका इस्तेमाल करना चाहिए घटने-बढ़ने का इतिहास होता है. जानकारी पब्लिश करने के लिए, सिर्फ़ सामान्य सूचियों या डिक्शनरी का इस्तेमाल करें स्थानीय, वर्तमान नियम के अनुसार हो सकता है.

डिप्सेट, जानकारी को नेस्ट किए गए ग्राफ़ के रूप में दिखाता है, जिसकी मदद से जानकारी शेयर की जा सकती है.

नीचे दिया गया ग्राफ़ देखें:

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

हर नोड एक स्ट्रिंग पब्लिश करता है. जानकारी में अंतर होने पर, डेटा 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 नाम सिर्फ़ एक बार दिया गया है. सूचियों के साथ आपको यह मिलेगा:

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

ध्यान दें कि इस मामले में 'a' का उल्लेख चार बार हुआ है! बड़े ग्राफ़ के साथ, यह की समस्या और भी बदतर होगी.

यहां एक नियम लागू करने का उदाहरण दिया गया है, जिसमें सही तरीके से डिप्स का इस्तेमाल किया गया है अस्थायी जानकारी पब्लिश करने के लिए. ध्यान दें कि स्थानीय नियम के हिसाब से पब्लिश करना ठीक है डालें, 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, डिससेट की खास जानकारी पेज देखें.

depset.to_list() को कॉल करने से बचें

इसका इस्तेमाल करके किसी डेप्सेट को फ़्लैट सूची में बदला जा सकता है to_list(), लेकिन ऐसा करने से आम तौर पर O(N^2) मिलता है लागत. अगर हो सके, तो डीबग करने के अलावा, किसी भी तरह के चार्ट को फ़्लैट करने से बचें के मकसद से बनाया गया है.

एक आम ग़लतफ़हमी यह है कि सिर्फ़ ऐसा करने पर ही डिप्रेस को सपाट किया जा सकता है जैसे टॉप-लेवल टारगेट पर सेट करना चाहते हैं, जैसे कि <xx>_binary नियम. तब से लागत नहीं इन्हें बिल्ड ग्राफ़ के हर लेवल पर इकट्ठा किया जाता है. हालाँकि, यह अब भी O(N^2) है ओवरलैप होने वाली डिपेंडेंसी के साथ टारगेट का एक सेट बनाते हैं. ऐसा तब होता है जब या कोई IDE प्रोजेक्ट इंपोर्ट करते समय, अपने टेस्ट //foo/tests/... बनाने के दौरान भी ऐसा कर सकते हैं.

depset पर कॉल करने की संख्या कम करें

depset को लूप में कॉल करना अक्सर गलती हो जाता है. इससे आपकी साइट पर, बहुत गहरी नेस्टिंग, जो खराब प्रदर्शन करती 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)

सूची समझने की सुविधा का इस्तेमाल करके, कभी-कभी इसे कम किया जा सकता है:

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

कमांड लाइन के लिए ctx.actions.orgs() का इस्तेमाल करें

कमांड लाइन बनाते समय आपको ctx.actions.args() का इस्तेमाल करना चाहिए. इससे, एक्ज़ीक्यूशन के चरण में किसी भी तरह की गिरावट को रोका जा सकता है.

पूरी तरह से तेज़ होने के अलावा, यह मेमोरी की खपत को कम करेगा अपने नियम -- कभी-कभी 90% या उससे भी ज़्यादा तक.

यहां कुछ तरकीबें दी गई हैं:

• डेपसेट और सूचियों को बराबर करने के बजाय, उन्हें सीधे आर्ग्युमेंट के तौर पर पास करें खुद को बेहतर बनाएं. ये ctx.actions.args() तक बढ़ाई जा सकती हैं. अगर आपको मौजूदा कॉन्टेंट में कोई बदलाव करना है, तो ctx.actions.args#add में यह देखें कि क्या इसके बिल में कोई समस्या आ रही है.

• क्या आपने File#path को आर्ग्युमेंट के तौर पर पास किया है? कोई ज़रूरत नहीं है. कोई भी File अपने-आप path, बड़ा करने के समय तक टाला गया.

• स्ट्रिंग को एक साथ जोड़कर उन्हें बनाने से बचें. सबसे अच्छा स्ट्रिंग आर्ग्युमेंट एक कॉन्सटेंट होता है, क्योंकि उसकी मेमोरी इनके बीच शेयर की जाती है सभी इंस्टेंस पर लागू करना चाहिए.

• अगर कमांड लाइन, ctx.actions.args() ऑब्जेक्ट के लिए आर्ग्युमेंट बहुत लंबे हैं पैरामीटर फ़ाइल को सशर्त या बिना किसी शर्त के ctx.actions.args#use_param_file. यह है को तब पर्दे के पीछे दिखाया जाता है, जब कार्रवाई होती है. अगर आपको साफ़ तौर पर ऐसा करना है आप पैरामीटर फ़ाइल को ctx.actions.write.

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 के इनपुट को डिपसेट होने चाहिए

ctx.actions.run का इस्तेमाल करके कार्रवाई करते समय भूल जाएं कि inputs फ़ील्ड में डिप्सेट स्वीकार किया गया है. जब भी इनपुट हो, तब इसका इस्तेमाल करें डिपेंडेंसी से इकट्ठा किया जाता है.

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

हैंगिंग

यदि ऐसा लगता है कि Basel को निलंबित कर दिया गया है, तो आप Ctrl-\ दबा सकते हैं या थ्रेड पाने के लिए, बैजेल से SIGQUIT सिग्नल (kill -3 $(bazel info server_pid)) मिलेगा डंप को फ़ाइल $(bazel info output_base)/server/jvm.out में डंप करें.

अगर बेज़ल लटका हुआ है, तो हो सकता है कि आप bazel info न चला पाएं, आम तौर पर, output_base डायरेक्ट्री bazel-<workspace> की पैरंट होती है सिमलिंक जोड़ें.

परफ़ॉर्मेंस प्रोफ़ाइलिंग

JSON ट्रेस प्रोफ़ाइल इससे यह आसानी से समझा जा सकता है कि न्योता देने के दौरान बेज़ल ने क्या समय बिताया.

मेमोरी की प्रोफ़ाइल बनाना

Basel के सिस्टम में पहले से ही एक मेमोरी प्रोफ़ाइलर होता है. इससे आपको यह तय करने में मदद मिलती है कि मेमोरी का इस्तेमाल. अगर कोई समस्या है, तो हीप को का उपयोग करें, जिसके कारण समस्या हो रही है.

मेमोरी ट्रैकिंग की सुविधा चालू करना

आपको हर Baज़र के अनुरोध के लिए, इन दो स्टार्टअप फ़्लैग को पास करना होगा:

  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 आपको ये सब याद एक Basel का अनुरोध करने पर सर्वर रीस्टार्ट 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 इन्हें विश्लेषण करने के बजाय, बिल्ड को एक्ज़ीक्यूट करने के चरण को न चलाएं, --nobuild फ़्लैग.

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

इसके बाद, देखें कि पूरे Basel इंस्टेंस में कितनी मेमोरी इस्तेमाल होती है:

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

bazel dump --rules का इस्तेमाल करके इसे नियम की क्लास के हिसाब से बांटें:

$ 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)

pprof फ़ाइल बनाकर देखें कि मेमोरी कहां जा रही है bazel dump --skylark_memory का इस्तेमाल करके:

$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz

हीप की जांच करने के लिए, pprof टूल का इस्तेमाल करें. बेहतर शुरुआत pprof -flame $HOME/prof.gz का इस्तेमाल करके फ़्लेम ग्राफ़ पाएं.

https://github.com/google/pprof से pprof पाएं.

सबसे लोकप्रिय कॉल साइटों का एक टेक्स्ट डंप पाएं, जिसके साथ लाइनों की जानकारी दी गई हो:

$ 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)