모든 Bazel 사용자는 느리거나 예상보다 느린 빌드를 경험했을 것입니다. 개별 빌드의 성능 개선은 다음과 같이 상당한 영향을 미치는 타겟에 특히 유용합니다.
자주 반복되고 (다시) 빌드되는 핵심 개발자 타겟입니다.
다른 타겟에서 널리 의존하는 일반 라이브러리
타겟 클래스 (예: 맞춤 규칙)의 대표 타겟을 사용하면 한 빌드에서 문제를 진단하고 수정하여 더 큰 규모의 문제를 해결하는 데 도움이 될 수 있습니다.
빌드 성능을 개선하는 중요한 단계는 리소스가 사용되는 위치를 파악하는 것입니다. 이 페이지에는 수집할 수 있는 다양한 측정항목이 나열되어 있습니다. 빌드 성능 분석에서는 이러한 측정항목을 사용하여 빌드 성능 문제를 감지하고 수정하는 방법을 보여줍니다.
Bazel 빌드에서 측정항목을 추출하는 몇 가지 주요 방법이 있습니다.
Build Event Protocol (BEP)
Bazel은 빌드 이벤트 프로토콜 (BEP)을 통해 다양한 프로토콜 버퍼 build_event_stream.proto를 출력하며, 이는 사용자가 지정한 백엔드에서 집계할 수 있습니다. 사용 사례에 따라 다양한 방식으로 측정항목을 집계할 수 있지만 여기서는 일반적으로 고려하는 것이 유용한 몇 가지 개념과 프로토 필드를 살펴보겠습니다.
Bazel의 query / cquery / aquery 명령어
Bazel은 사용자가 각각 타겟 그래프, 구성된 타겟 그래프, 작업 그래프를 쿼리할 수 있는 세 가지 쿼리 모드 (query, cquery, aquery)를 제공합니다. 쿼리 언어는 다양한 쿼리 모드에서 사용할 수 있는 함수 모음을 제공하여 필요에 따라 쿼리를 맞춤설정할 수 있습니다.
JSON 추적 프로필
빌드와 유사한 모든 Bazel 호출에 대해 Bazel은 JSON 형식으로 추적 프로필을 작성합니다. JSON 추적 프로필은 호출 중에 Bazel이 시간을 소비한 부분을 빠르게 파악하는 데 매우 유용합니다.
실행 로그
실행 로그는 머신 및 환경 차이 또는 비결정적 작업으로 인해 누락된 원격 캐시 적중을 해결하고 수정하는 데 도움이 될 수 있습니다. --experimental_execution_log_spawn_metrics 플래그(Bazel 5.2부터 사용 가능)를 전달하면 로컬 및 원격으로 실행된 작업 모두에 대한 자세한 스폰 측정항목도 포함됩니다. 이러한 측정항목을 사용하여 로컬 머신과 원격 머신 성능을 비교하거나 스폰 실행의 어느 부분이 대기열로 인해 예상보다 일관되게 느린지 확인할 수 있습니다.
실행 그래프 로그
JSON 추적 프로필에는 중요한 경로 정보가 포함되어 있지만 실행된 작업의 종속성 그래프에 관한 추가 정보가 필요한 경우도 있습니다.
Bazel 6.0부터는 --experimental_execution_graph_log 및 --experimental_execution_graph_log_dep_type=all 플래그를 전달하여 실행된 작업과 상호 종속 항목에 관한 로그를 작성할 수 있습니다.
이 정보를 사용하여 중요 경로의 노드에서 추가된 지연을 파악할 수 있습니다. 드래그는 실행 그래프에서 특정 노드를 삭제하여 절약할 수 있는 시간입니다.
이 데이터를 사용하면 실제로 변경하기 전에 빌드 및 작업 그래프 변경의 영향을 예측할 수 있습니다.
bazel-bench를 사용한 벤치마킹
Bazel bench는 다음 사례에서 빌드 성능을 벤치마킹하는 Git 프로젝트용 벤치마킹 도구입니다.
프로젝트 벤치마크: 단일 Bazel 버전에서 두 Git 커밋을 서로 비교합니다. 빌드의 회귀를 감지하는 데 사용됩니다 (종속 항목 추가를 통해).
Bazel 벤치마크: 단일 git 커밋에서 두 버전의 Bazel을 서로 비교하는 벤치마크입니다. Bazel 자체 내에서 회귀를 감지하는 데 사용됩니다 (Bazel을 유지관리하거나 포크하는 경우).
벤치마크는 실제 시간, CPU 시간, 시스템 시간, Bazel의 유지된 힙 크기를 모니터링합니다.
변동 요인을 줄이기 위해 다른 프로세스를 실행하지 않는 전용 물리적 머신에서 Bazel 벤치를 실행하는 것도 좋습니다.