नियम लिखते समय, परफ़ॉर्मेंस से जुड़ी सबसे आम समस्या यह होती है कि डिपेंडेंसी से इकट्ठा किए गए डेटा को ट्रैवर्स या कॉपी किया जाता है. 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 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. 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. मौजूदा नियम के हिसाब से स्थानीय जानकारी पब्लिश करने के लिए, सिर्फ़ सामान्य सूचियों या डायक्शनरी का इस्तेमाल करें.
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. 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 नाम सिर्फ़ एक बार होता 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 चार बार इस्तेमाल किया गया 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, डिपेंडेंसी सेट की खास जानकारी पेज देखें.
depset.to_list() को कॉल करने से बचें
to_list() का इस्तेमाल करके, किसी डेपसेट को फ़्लैट सूची में बदला जा सकता है. हालांकि, ऐसा करने पर आम तौर पर O(N^2) की लागत आती है. अगर बिलकुल 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 गलतफ़हमी यह है कि अगर सिर्फ़ टॉप-लेवल टारगेट पर डिपेंडेंसी सेट को फ़्लैट किया जाता है, तो <xx>_binary नियम के तौर पर, डिपेंडेंसी सेट को आसानी से फ़्लैट किया जा सकता है. ऐसा इसलिए, क्योंकि तब बिल्ड ग्राफ़ के हर लेवल पर लागत इकट्ठा नहीं की जाती. हालांकि, ओवरलैप होने वाली डिपेंडेंसी वाले टारगेट का सेट बनाते समय, यह अब भी O(N^2) होता है. ऐसा तब होता है, जब आपके टेस्ट //foo/tests/... को बिल्ड किया जा रहा हो या किसी IDE प्रोजेक्ट को इंपोर्ट किया जा रहा हो.
depset पर कॉल करने की संख्या कम 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 डिप्सेट 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, एक्ज़ीक्यूशन के चरण में किसी भी तरह की गिरावट को रोका जा सकता है.
इससे, नियमों को लागू करने में लगने वाला समय कम हो जाएगा. साथ ही, मेमोरी का इस्तेमाल भी कम होगा. कभी-कभी, यह 90% या उससे ज़्यादा तक कम हो सकता है.
यहां कुछ तरकीबें दी गई हैं:
डेपसेट और सूचियों को बराबर करने के बजाय, उन्हें सीधे आर्ग्युमेंट के तौर पर पास करें खुद को जा सके. ये
ctx.actions.args()तक बढ़ाई जा सकती हैं. 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 आपने
File#pathको 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 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 किसी पैरामीटर फ़ाइल में शर्त के साथ या बिना शर्त के लिखा जा सकता है. यह कार्रवाई करने के दौरान, पर्दे के पीछे की जाती है. अगर आपको साफ़ तौर पर ऐसा करना है पैरामीटर फ़ाइल को कंट्रोल करें. इसका इस्तेमाल करके, इसे मैन्युअल तौर पर लिखा जा सकता हैctx.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 डिपसेट होने चाहिए
ctx.actions.run का इस्तेमाल करके कोई कार्रवाई बनाते समय, यह मत भूलें कि inputs फ़ील्ड में डेपसेट डाला जा सकता 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
...
)
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.
मेमोरी प्रोफ़ाइलिंग
Bazel में पहले से मौजूद मेमोरी प्रोफ़ाइलर की मदद से, यह देखा जा सकता है कि आपके नियम में कितनी मेमोरी का इस्तेमाल हुआ 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 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 आपने एक बार भी Bazel को इस्तेमाल करने के लिए, इन विकल्पों को नहीं चुना, 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 पूरे Bagel 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)
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
हीप की जांच करने के लिए, pprof टूल का इस्तेमाल करें. इसकी शुरुआत
pprof -flame $HOME/prof.gz का इस्तेमाल करके फ़्लेम ग्राफ़ पाएं.
https://github.com/google/pprof से pprof पाएं.
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)