转载

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

作者 | 田伟然

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

回首向来萧瑟处,归去,也无风雨也无晴。

杏仁工程师,关注编码和诗词。

前言

公司有项目是基于 Scala 编写的,与之配套的构建工具是 SBT , 它是  Simple Build Tool 的缩写,虽然我觉得它一点也不简单。

这个项目有一个很大的痛点就是刷新依赖 (对应 SBT 的 update)非常之耗时,可以参见下图:

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

注意图中红框部分,耗时1266秒,近半个小时。在刷新期间资源占用也很高,导致电脑很卡 (风扇还呼呼呼的转,温度蹭蹭蹭的长)。

最关键的是由于依赖的很多服务升级很快 (几乎每天都有升级),所以这个操作每天也会持续很多次,难以想象耗费在这方面的时间是何其之多。

人生苦短,在刷新了几次之后,我再也受不了这漫长的等待时间,于是开始了这漫漫的优化之路。

正所谓工欲善其事必先利其器

Round 1: 十八般武艺齐上阵

不知道大家碰见这种问题会怎么做,我反正是二话不说打开 Google 直接搜:  SBT 依赖下载慢

还别说,有共鸣的人还不少, 总结了下几乎都是以下的解决方案

  1. 添加代理

  2. 添加国内镜像源

我这肯定不是源的问题啊,我司用的私有仓库,既然私有jar都下载下来了,肯定是走的私有仓库啊。

翻了几页,没有满意的答案,也试了几个方案,也没啥用。

看来还是得自己从问题的根源开始找起啊......

为了保险起见, 我还是先排查一下是不是镜像问题, 项目的  build.sbt  配置文件中是有私有仓库的相关配置项的:

lazy val commonSettings = Seq(
    //....

  // ... 私有仓库
  resolvers := {Resolver.url("xr-ivy-releasez", new URL("http://nexus.xxxx.com/repository/ivy-releases/"))(Resolver.ivyStylePatterns) +: resolvers.value},
  resolvers := { {"xr-maven-public" at "http://nexus.xxxx.com/repository/public/"} +: resolvers.value},
  // ....
)

此时我忽然想到一种情况: 难道是默认走的公共库,在公共库找不到依赖才会走私有库 ?

为了验证猜想,我使用 wireshark 抓包进行分析,过滤器指定协议 http (因为仓库是走的http)

还可以指定 ip.src 和 ip.dst 从而使得数据包更加符合我们的要求

然后打开 sbt shell 进行 update 操作

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

观察抓包结果

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

发现访问的都是  /repository/public/*** 的请求,对应的 Host 也是我司的私有库,这说明配置是生效了的,而且都是从私有仓库进行下载。

但是我也发现了一些404的请求

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

好吧,是我司的私有库没有  /repository/ivy-release ,果断将对应的仓库配置去掉,省去没必要的请求。

虽然走了私有库,但是我每次刷新都会请求仓库,这就不符合道理了,难道 SBT 连基本的依赖缓存都没有 ?

Round 2: 从半小时到五分钟

对抓到的数据包进行再次过滤,只看  Http Request ,发现请求的都是  SNAPSHOT 版本的依赖库, 参见下图

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

这说明 SBT 是有缓存的,因为正式版都没有请求仓库,可是为什么  SNAPSHOT 每次都去请求远程仓库呢?难道是  SNAPSHOT 被区别对待,不会被缓存?

既然 SBT 是基于 Ivy 的,那就从 Ivy下手。

我在Ivy 的官网

(http://ant.apache.org/ivy/history/2.0.0/settings/caches.html) 

找到了下面的一个关于  缓存 的表格:

Attribute Description Required
default the name of the default cache to use on all resolvers not defining the cache instance to use No, defaults to a default cache manager instance named 'default-cache'
defaultCacheDir a path to a directory to use as default basedir for both resolution and repository cache(s) No, defaults to .ivy2/cache in the user's home directory
resolutionCacheDir the path of the directory to use for all resolution cache data No, defaults to defaultCacheDir
repositoryCacheDir the path of the default directory to use for repository cache data. This should not point to a directory used as a repository! No, defaults to defaultCacheDir

注意关键字  defaultCacheDir , 这个就是 Ivy 的缓存目录,对应路径为用户目录下的  .ivy2/cache

我的是 mac, 对应目录就是  ~/.ivy/cache , 果不其然,进入该目录查看一下:

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

在  ~/.ivy/cache 下发现了很多依赖库的目录, 下面就需要验证一下有没有缓存 SNAPSHOT 的版本了, 以我司的  user-client 4.1.2-SNAPSHOT 为目标进行查找:

从图中显示,目录中明明有缓存  SNAPSHOT 的啊,可为什么不走本地缓存呢 ?

这没办法了,只能去 SBT 官网找答案了,在官网文档找到了 Dependency Management 

(https://www.scala-sbt.org/1.x/docs/Dependency-Management-Index.html ), 

看名字似乎和依赖管理有关。

其中的 Cached-Resolution (https://www.scala-sbt.org/1.x/docs/Cached-Resolution.html)似乎和缓存相关, 而且开头就是下面这段话

To set up Cached Resolution include the following setting in your project’s build:updateOptions := updateOptions.value.withCachedResolution(true)

说的是要配置缓存解析,那就得加上 

updateOptions:=updateOptions.value.withCachedResolution(true)    的配置,这也太简单了吧?

不管啦,先加上试试。

加配置,刷新,抓包一气呵成, 然而结果惨不忍睹

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

看着一页页的请求发出去,此刻我是奔溃的!贼子安敢欺我!

正在我想静静之际,SBT 刷新完成,我一不小心瞄了一眼,耗时居然只有以前的1/4 了?

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

我靠,怎么肥四(回事)?不是没生效吗,怎么时间缩短了这么多?

为了确保不是眼花,我又 重启刷新 了几次,发现耗时相差无几,而且我发现如果不重启直接update,一般耗时都只有几秒,我的天啦。

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

不死心的我又去看了下文档,原来是我对这个配置理解错了,这个配置的意思并不是说 SNAPSHOT 就不请求远程仓库了。

这里的缓存指的是sbt启动后第一次执行update后,会缓存所有的依赖解析信息, 也就是说缓存是和进程相关的。

而我的项目是有4个子项目,每个子项目都共同依赖了  service 模块, 该模块维护着几乎所有的依赖。

当第一个项目 update 后,其他三个项目 update 时都会直接走缓存了,这也是为什么耗时只有最开始1/4。

真是无心插柳柳成荫啊......

Round 3:从五分钟到一分钟

虽然现在时间只要以前的1/4了,可还是要5分钟啊,这绝对不是一个可以将就的数字!

而且还有另外一个非常重要的原因,因为穷!

此话怎讲?因为 SBT 一直启动着太耗内存了,我这可怜的 8G 可得省着点儿。可是停掉 SBT,缓存就得重新构建了,所以是穷激发了我的进一步探索.....

再次思考一下:为什么  SNAPSHOT 依赖每次启动都要去远程仓库拉取呢 ?能不能只在依赖的版本有更新的时候再去拉取呢 ?

在文档 Cached-Resolution中, 发现了关键词  SNAPSHOT and dynamic dependencies ,其中对  SNAPSHOTR 和缓存做了一些描述:

When a minigraph contains either a SNAPSHOT or dynamic dependency, the graph is considered dynamic, and it will be invalidated after a single task execution. Therefore, if you have any SNAPSHOT in your graph, your experience may degrade.

说的是依赖关系中如果有  SNAPSHOT 版本,会导致某个子依赖关系缓存失效, 而这个子依赖就是动态的,反正就是不会走缓存的意思。

既然得知问题的根源是因为使用了  SNAPSHOT , 如果不使用  SNAPSHO 不就没这个问题了嘛。

然而现实是骨感的,公司内部几十个服务大多数都用的  SNAPSHOT 作为版本号,而且各种互相依赖,短时间内是不可能直接过渡的了,所以直接PASS该方案了。

只能继续在文档中摸索,发现一个相关配置

updateOptions := updateOptions.value.withLatestSnapshots(false)

这个配置的作用是什么呢?

因为 SBT 可以配置多个远程仓库源(通过 Resolver),默认情况下 SBT 会从所有的远程仓库去拉取指定版本的  SNAPSHOT 依赖, 然后比对它们的发布时间,取最新的那一个。

通过配置  withLatestSnapshots(false) 可以禁用该策略, 这样 SBT 就直接使用从远程仓库拉取到的第一个  SNAPSHOT 依赖。

加上配置然后测试,发现网络请求数确实少了,整体update耗时减少了一分钟左右,但是这个会导致无法拉取到同版本的最新 SNAPSHOT

因为快照在不改变版本的情况下是可以重复发布的,区分同版本不同快照就只能按照时间戳来了。

SBT 无法确定本地的快照是最新的,所以每次启动都会去仓库拉取最新快照。使用 withLatestSnapshots(false) 后就不会取最新的,而是直接取第一个。

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

不取最新的 SNAPSHOT   对我们影响不大, 因为我们内部的服务如果有改动,基本就会升级版本号(就算是   SNAPSHOT ), 很少有一直重复发同版本的   SNAPSHOT   的情况。

这么一说,似乎我们连用 SNAPSHOT   的意义都不大了,然而历史原因......

虽然有所提升,但是最关键的问题 ,  SNAPSHOT    每次 update 都会走网络请求的问题还是没解决。

只能继续在文档中挣扎,还好黄天不负有心人啊, 在官方文档 

Cache And Configuration (https://www.scala-sbt.org/1.x/docs/Dependency-Management-Flow.html#Caching+and+Configuration)

一节找到了相关内容

When offline := true , remote SNAPSHOTs will not be updated by a resolution, even an explicitly requested update. This should efectively support working without a connection to remote repositories. Reproducible examples demonstrating otherwise are appreciated. Obviously, update must have successfully run before going offline.

文档说如果配置了  offline := true  , 是不会从远程仓库更新  SNAPSHOT  的依赖 了,这不正是我们要的东西吗?

但是后面又说了,更新必须在进入离线模式之前就完成,这句话的意思是不是离线模式下我连版本升级也做不到呢?

只有自己动手了才知道,在不升级版本的情况下,加上配置再次进行 update 并抓包, 没有任何的请求到达仓库了

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

再来看看最终的更新时间

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

只需要一分钟不到,此刻我得先压制内心的狂喜,再验证一下在  offline := true 的情况下,升级版本是否会从远程仓库请求?

随意修改了一个库的版本,然后重启 sbt 执行 update, 发现是成功从远程仓库拉取到了的,哈哈,一切都不是问题!

新的问题

意外总是伴随着惊喜同时到来,在我随后的使用中却又发现了另外的问题: 如果 SBT 的第一次update完成以后, 我随后修改依赖的版本,在不重启SBT的情况下再次执行update,是读不到最新的依赖版本的。

初步猜测是和缓存有关系的,但是问题也不大了,就算更新依赖版本然后重启 SBT 进行 update, 耗时也不过1分钟左右 ,比最开始的半小时已经好多了。

要不,我把这个问题留给你们了?

写在最后

最后从30分钟到1分钟实际上就是在   build.sbt   加了两行配置

offline := true

,

updateOptions

:= updateOptions.value.withCachedResolution( true ).withLatestSnapshots( false )

整个分析问题的思路也很简单,就是先找到问题根源,再去找解决方案。

在寻找解决方案的时候一般都是搜索引擎,文档或者源码,正常情况下文档应该都能解决问题了,这期间我就绕了不少弯路,我甚至曾去看了 SBT 的  Resolver 的源码, 现在看来,绝对是跑偏了。

整个解决过程并没有多么高深莫测甚至可以说是无聊至极,因为大部分时间都是看文档并验证其配置。

不过还是那句话: 工欲善其事必先利其器

参考

1. sbt Reference Manua

https://www.scala-sbt.org/1.x/docs/

2.  sbt 源码

https://www.scala-sbt.org/0.13/sxr/

3.  Wireshark User’s Guide

https://www.wireshark.org/docs/wsug_html_chunked/

4.  Apache Ivy Documentation (2.0.0)

http://ant.apache.org/ivy/history/2.0.0/index.html

5.  Offline mode and Dependency Locking

https://github.com/sbt/sbt/wiki/User-Stories:--Offline-mode-and-Dependency-Locking

全文完

以下文章您可能也会感兴趣:

  • 简单说说spring的循环依赖

  • 文字描述符了解一下

  • 简单聊聊 TCP 的可靠性

  • 可线性化检查:与 NP 完全问题做斗争

  • 零基础玩转 Serverless

  • Java 类型系统从入门到放弃

  • Actor 模型及 Akka 简介

  • Tcl 和 Raft 发明人的软件设计哲学

  • 如何进行系统分析与设计

  • 函数扩展

我们正在招聘 Java 工程师,欢迎有兴趣的同学投递简历到 rd-hr@xingren.com 。

从 30 分钟到 1 分钟 - 一个 Scala 项目的编译速度优化

原文  http://mp.weixin.qq.com/s?__biz=MzUxOTE5MTY4MQ==&mid=2247484349&idx=1&sn=0889204842ed5400285e837f4f4f7b95
正文到此结束
Loading...