ルールを記述する際、パフォーマンスに関する最も一般的な落とし穴は、依存関係から蓄積されたデータを走査またはコピーすることです。ビルド全体で集計すると、これらのオペレーションは簡単に O(N^2) の時間またはスペースを消費する可能性があります。これを回避するには、depset を効果的に使用する方法を理解することが重要です。
これを正しく行うことは難しいため、Bazel には、間違いが発生した可能性のある場所を見つけるのに役立つメモリ プロファイラも用意されています。注意: 非効率的なルールを記述した場合のコストは、広範囲に使用されるまで明らかにならない場合があります。
depset を使用する
ルールの依存関係から情報をロールアップするときは、depsets を使用する必要があります。現在のルールにローカルな情報を公開する場合は、単純なリストまたは辞書のみを使用します。
depset は、共有を可能にするネストされたグラフとして情報を表します。
次のグラフについて考えてみましょう。
C -> B -> A
D ---^
各ノードは 1 つの文字列を公開します。depset を使用すると、データは次のようになります。
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
各項目は 1 回のみ言及されます。リストの場合は次のようになります。
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
この場合、'a'
は 4 回参照されています。グラフが大きいほど、この問題は悪化します。
以下に、depset を正しく使用して伝播情報を公開するルールの実装例を示します。リストを使用してルールローカル情報を公開しても問題ありません。これは O(N^2) ではないためです。
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
)]
詳細については、依存関係の概要ページをご覧ください。
depset.to_list()
を呼び出さない
to_list()
を使用して depset をフラット リストに強制変換できますが、通常は O(N^2) の費用が発生します。デバッグ目的以外では、デプセットのフラット化は可能な限り避けてください。
よくある誤解として、<xx>_binary
ルールなどのトップレベル ターゲットでのみ Depset をフラット化すれば、ビルドグラフの各レベルで費用が累積されないため、Depset を自由にフラット化できるというものがあります。しかし、依存関係が重複しているターゲット セットをビルドする場合は、O(N^2) のままです。これは、テスト //foo/tests/...
のビルド時や IDE プロジェクトのインポート時に発生します。
depset
の呼び出し回数を減らす
ループ内で depset
を呼び出すのは誤りがよくあります。これにより、ネストの深い depset が作成され、パフォーマンスが低下する可能性があります。例:
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
このコードは簡単に置き換えることができます。まず、伝播 depset を収集し、すべて一度に統合します。
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
これは、リストの理解を使用することで軽減できる場合があります。
x = depset(transitive = [i.deps for i in inputs])
コマンドラインで ctx.actions.args() を使用する
コマンドラインをビルドする場合は、ctx.actions.args() を使用する必要があります。これにより、depset の展開が実行フェーズに延期されます。
これにより、厳密に高速になるほかに、ルールのメモリ使用量が(場合によっては 90% 以上)削減されます。
以下にいくつかのヒントをご紹介します。
自分でフラット化するのではなく、depset とリストを引数として直接渡します。
ctx.actions.args()
によって展開されます。depset の内容を変換する必要がある場合は、ctx.actions.args#add で、適切なものがないか確認します。File#path
を引数として渡していますか?必要ありません。ファイルは自動的にパスに変換され、展開時に延期されます。文字列を連結して作成しないでください。文字列引数には定数を使用することをおすすめします。これは、ルールのすべてのインスタンス間でメモリが共有されるためです。
引数がコマンドラインに対して長すぎる場合は、
ctx.actions.args#use_param_file
を使用して、ctx.actions.args()
オブジェクトを条件付きまたは無条件でパラメータ ファイルに書き込むことができます。これは、アクションの実行時にバックグラウンドで実行されます。params ファイルを明示的に制御する必要がある場合は、ctx.actions.write
を使用して手動で書き込むことができます。
例:
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
推移アクション入力は depset にする必要があります
ctx.actions.run を使用してアクションを作成する場合、inputs
フィールドが depset を受け入れることを忘れないでください。入力が依存関係から伝播的に収集される場合は常に使用します。
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
吊り下げ
Bazel がハングしていると思われる場合は、Ctrl-\ キーを押すか、Bazel に SIGQUIT
シグナル(kill -3 $(bazel info server_pid)
)を送信して、ファイル $(bazel info output_base)/server/jvm.out
にスレッドダンプを取得します。
bazel がハングしている場合、bazel info
を実行できない可能性があるため、通常、output_base
ディレクトリはワークスペース ディレクトリ内の bazel-<workspace>
シンボリック リンクの親になります。
パフォーマンス プロファイリング
JSON トレース プロファイルは、呼び出し中に Bazel が何に時間を費やしたかをすばやく把握するのに非常に役立ちます。
メモリのプロファイリング
Bazel には、ルールのメモリ使用量を確認できるメモリ プロファイラが組み込まれています。問題がある場合は、ヒープをダンプして、問題の原因となっているコードの行を特定できます。
メモリ トラッキングの有効化
次の 2 つの起動フラグを Bazel の呼び出しごとに渡す必要があります。
STARTUP_FLAGS=\
--host_jvm_args=-javaagent:<path to java-allocation-instrumenter-3.3.0.jar> \
--host_jvm_args=-DRULE_MEMORY_TRACKER=1
これらのコマンドにより、サーバーがメモリ トラッキング モードで起動します。Bazel を 1 回でも呼び出すと、サーバーが再起動するため、最初からやり直す必要があります。
メモリ トラッカーの使用
たとえば、ターゲット foo
を見て、その動作を確認します。分析のみを実行し、ビルド実行フェーズを実行しないようにするには、--nobuild
フラグを追加します。
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
次に、Bazel インスタンス全体で消費されるメモリ量を確認します。
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
bazel dump --rules
を使用してルールクラスごとに分類します。
$ 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
を使用して pprof
ファイルを生成して、メモリがどこに移動しているかを確認します。
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
pprof
ツールを使用してヒープを調査します。最初は、pprof -flame $HOME/prof.gz
を使用してフレームグラフを取得することをおすすめします。
https://github.com/google/pprof から pprof
を取得します。
呼び出しサイトのテキスト ダンプを取得し、行にアノテーションを付けます。
$ 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)