撰寫規則時，最常見的效能陷阱是遍歷或複製從依附元件累積的資料。如果匯總整個建構作業，這些作業很容易就會耗費 O(N^2) 的時間或空間。為避免這種情況，請務必瞭解如何有效使用 depset。
這項作業可能很難正確完成，因此 Bazel 也提供記憶體剖析器，協助您找出可能出錯的地方。警告： 低效率規則的成本可能要到廣泛使用後才會顯現。
使用 depsets
從規則依附元件匯總資訊時，請一律使用 depset。只能使用純清單或字典發布目前規則的本機資訊。
depsset 會以巢狀圖的形式呈現資訊，方便您分享。
請參考下圖：
C -> B -> A
D ---^
每個節點都會發布單一字串。使用 depsets 時，資料會如下所示：
a = depset(direct=['a'])
b = depset(direct=['b'], transitive=[a])
c = depset(direct=['c'], transitive=[b])
d = depset(direct=['d'], transitive=[b])
請注意，每個項目只會提及一次。使用清單時，你會看到以下內容：
a = ['a']
b = ['b', 'a']
c = ['c', 'b', 'a']
d = ['d', 'b', 'a']
請注意，本例中 'a' 出現了四次！圖表越大，這個問題就越嚴重。
以下是規則實作範例，其中正確使用 depsets 發布遞移資訊。請注意，如果您想使用清單發布規則本機資訊，是可以的，因為這不是 O(N^2)。
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
)]
詳情請參閱依附元件集總覽頁面。
避免呼叫 depset.to_list()
您可以使用 to_list() 強制將 depset 轉換為扁平清單，但這麼做通常會導致 O(N^2) 成本。如果可以，請避免將 depsets 扁平化，除非是為了偵錯。
一般常見的誤解是，如果只在頂層目標 (例如 <xx>_binary 規則) 中執行此操作，您就可以隨意扁平化 depsets，因為這樣一來，費用就不會累積在建構圖的每個層級中。但如果建構一組具有重疊依附元件的目標，這仍然是 O(N^2)。建構測試 //foo/tests/... 或匯入 IDE 專案時，就會發生這種情況。
減少對 depset 的呼叫次數
在迴圈內呼叫 depset 通常是錯誤的做法。這可能會導致巢狀結構非常深的依附元件集，效能不佳。例如：
x = depset()
for i in inputs:
# Do not do that.
x = depset(transitive = [x, i.deps])
這個代碼可以輕鬆替換。首先，收集遞移性 depsets，然後一次合併所有內容：
transitive = []
for i in inputs:
transitive.append(i.deps)
x = depset(transitive = transitive)
有時可以使用清單理解縮減：
x = depset(transitive = [i.deps for i in inputs])
使用 ctx.actions.args() 取得指令列
建構指令列時，應使用 ctx.actions.args()。這會將任何 depsets 的擴充作業延後至執行階段。
除了速度更快之外，這也會減少規則的記憶體耗用量，有時甚至可減少 90% 以上。
以下提供幾個訣竅：
請直接將 depsets 和清單做為引數傳遞，而不是自行將其扁平化。
ctx.actions.args()會為你擴充這些主題。 如果需要對 deps 集合內容進行任何轉換，請查看 ctx.actions.args#add，確認是否有符合需求的項目。請避免將字串串連在一起來建構字串。 最佳字串引數是常數，因為規則的所有執行個體都會共用其記憶體。
如果引數過長，無法在指令列中輸入，可以使用
ctx.actions.args#use_param_file，有條件或無條件地將ctx.actions.args()物件寫入參數檔案。執行動作時，系統會在幕後完成這項作業。如要明確控管參數檔案，可以使用ctx.actions.write手動編寫。
範例：
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
轉換動作輸入內容應為 depsets
使用 ctx.actions.run 建構動作時，請勿忘記 inputs 欄位接受 depset。從依附元件遞移收集輸入內容時，請使用這項功能。
inputs = depset(...)
ctx.actions.run(
inputs = inputs, # Do *not* turn inputs into a list
...
)
懸掛
如果 Bazel 似乎停止回應，您可以按下 Ctrl-\ 鍵，或傳送 SIGQUIT 信號 (kill -3 $(bazel info server_pid)) 給 Bazel，在 $(bazel info output_base)/server/jvm.out 檔案中取得執行緒傾印。
如果 Bazel 停止回應，您可能無法執行 bazel info，因此 output_base 目錄通常是工作區目錄中 bazel-<workspace> 符號連結的父項。
效能分析
JSON 追蹤設定檔非常實用，可快速瞭解 Bazel 在叫用期間耗費的時間。
--experimental_command_profile 標記可用於擷取各種 Java Flight Recorder 設定檔 (CPU 時間、實際時間、記憶體配置和鎖定爭用)。
--starlark_cpu_profile 標記可用於寫入所有 Starlark 執行緒的 CPU 使用率 pprof 設定檔。
記憶體用量分析
Bazel 內建記憶體分析器，可協助您檢查規則的記憶體用量。如有問題，您可以傾印堆積，找出造成問題的確切程式碼行。
啟用記憶體追蹤功能
您必須將這兩個啟動標記傳遞至每個 Bazel 叫用：
STARTUP_FLAGS=\
--host_jvm_args=-javaagent:<path to java-allocation-instrumenter-3.3.4.jar> \
--host_jvm_args=-DRULE_MEMORY_TRACKER=1
這些會以記憶體追蹤模式啟動伺服器。如果忘記這些資訊，即使只有一次 Bazel 叫用，伺服器也會重新啟動，您必須重新開始。
使用記憶體追蹤器
舉例來說，請查看目標 foo，瞭解其用途。如要只執行分析，而不執行建構階段，請新增 --nobuild 標記。
$ bazel $(STARTUP_FLAGS) build --nobuild //foo:foo
接著，請查看整個 Bazel 執行個體耗用的記憶體量：
$ bazel $(STARTUP_FLAGS) info used-heap-size-after-gc
> 2594MB
使用 bazel dump --rules 依規則類別細分：
$ 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)
使用 bazel dump --skylark_memory 產生 pprof 檔案，查看記憶體用量：
$ bazel $(STARTUP_FLAGS) dump --skylark_memory=$HOME/prof.gz
> Dumping Starlark heap to: /usr/local/google/home/$USER/prof.gz
使用 pprof 工具調查堆積。建議您先使用 pprof -flame $HOME/prof.gz 取得火焰圖。
從 https://github.com/google/pprof 取得 pprof。
取得最熱門的呼叫網站文字傾印，並以行註解：
$ 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)