Bazel in GitHub Actions beschleunigen
Zuletzt aktualisiert am
Um Bazel in GitHub Actions zu beschleunigen, halten Sie die Caches von Bazel zwischen den Runs am Leben. Verwenden Sie bazel-contrib/setup-bazel, um Bazelisk, das Repository-Cache und einen Disk-Cache zu cachen, und wechseln Sie zu einem Remote-Cache, wenn Ihr Repo groß ist. Bazel basiert auf gecachten, reproduzierbaren Actions, aber eine frische CI-VM verwirft all das, sofern Sie es nicht speichern.
Dieser Guide zeigt die Optionen nach aufsteigendem Aufwand. Einen allgemeinen Überblick finden Sie unter so beschleunigen Sie GitHub Actions.
Was ein kalter Bazel-Build kostet
Auf einer sauberen Maschine muss Bazel drei aufwendige Dinge tun: sich selbst herunterladen (über Bazelisk), externe Repositories abrufen (Rules, Toolchains, Drittanbieter-Code) und jede Action ausführen. Jede davon hat ihren eigenen Cache, und jeder muss separat gespeichert werden. Die ersten beiden sind einfach. Der dritte Punkt ist, wo die großen Gewinne und die eigentlichen Entscheidungen liegen.
setup-bazel übernimmt den gemeinsamen Teil
bazel-contrib/setup-bazel ist die von der Community gepflegte Action. Ihre README dokumentiert folgende Eingaben, alle standardmäßig deaktiviert:
bazelisk-cache: cacht Bazelisk-Downloads, Schlüssel ist.bazelversion.repository-cache: cacht den Repository-Cache von Bazel, Schlüssel sind die DateienMODULE.bazelundWORKSPACEoder von Ihnen angegebene Dateien.disk-cache: aktiviert den Disk-Cache von Bazel, gespeichert im GitHub-Cache. Akzeptierttrueoder einen String, um Caches zu trennen, zum Beispiel einen pro Workflow.external-cache: cachtexternal/-Repositories, die größer als 10 MB sind.bazelrc: zusätzliche Zeilen, die in die User-bazelrc geschrieben werden, als mehrzeiliges YAML.cache-save: legt fest, ob am Ende gespeichert wird. Die README empfiehltfalsefür Pull Requests.
- uses: actions/checkout@v7
- uses: bazel-contrib/setup-bazel@0.19.1
with:
bazelisk-cache: true
disk-cache: ${{ github.workflow }}
repository-cache: true
cache-save: ${{ github.ref_name == 'main' }}
bazelrc: |
build --config=ci
- run: bazel test //...
Die Version im README-Beispiel war 0.19.1, als wir im Oktober 2026 nachgesehen haben. Prüfen Sie für den aktuellen Tag die Releases-Seite, da diese Action über den exakten Tag und nicht über einen beweglichen Major versioniert wird.
Mit aktiviertem Disk-Cache speichert Bazel Action-Ausgaben anhand eines Content-Hashes. Wenn sich die Eingaben einer Action seit dem letzten gespeicherten Cache nicht geändert haben, kopiert Bazel die Ausgabe, statt die Action erneut auszuführen. Der GitHub-Cache hat Größenbeschränkungen, siehe Beschränkungen des GitHub Actions Cache. Der Disk-Cache eines großen Monorepos kann mehr umfassen, als sich dort sinnvoll vorhalten lässt, was zur nächsten Option führt.
Ein Remote-Cache für große Repos
Ein Remote-Cache ist ein Server, der Action-Ergebnisse für alle speichert: CI, Laptops und PRs. Bazel kommuniziert mit ihm über HTTP oder gRPC:
# .bazelrc
build:ci --remote_cache=grpcs://cache.example.com
build:ci --remote_upload_local_results=false
build:ci --remote_timeout=60
Üblich ist, dass nur vertrauenswürdige CI-Jobs auf main hochladen (--remote_upload_local_results=true) und PRs nur lesen. So gelangen keine fehlerhaften oder unvollständigen Ergebnisse in den Cache. Zu den Optionen gehören selbst gehostete Server wie bazel-remote, eigener Objektspeicher und kommerzielle Dienste. Speichern Sie die Zugangsdaten als Secrets und übergeben Sie sie über --remote_header oder Credential-Helper. Einen bestimmten Anbieter empfehlen wir hier nicht; vergleichen Sie Preis, Region und Lesegeschwindigkeit von Ihren CI-Maschinen aus.
Remote Execution geht weiter: Actions laufen auf einem Pool von Workern. Das lohnt sich bei sehr großen Builds und erfordert echte Infrastruktur. Beginnen Sie mit dem Caching.
Flags, die in der CI wichtig sind
build:ci --jobs=auto
build:ci --keep_going
build:ci --show_timestamps
build:ci --test_output=errors
build:ci --disk_cache=~/.cache/bazel-disk
--jobslegt fest, wie viele Actions gleichzeitig laufen. Der Standard richtet sich nach der CPU-Anzahl. Wenn Ihre Actions CPU-gebunden sind, istautorichtig. Sind sie I/O- oder netzwerkgebunden (Remote-Cache), kann ein höherer Wert helfen.--keep_goingbearbeitet möglichst viele Targets und meldet alle Fehler in einem Durchlauf, was Wiederholungsschleifen spart.--test_output=errorshält die Logs kurz.--local_resourcesbegrenzt den Speicher; Bazel kann auf einem 7-GB-Runner viel verbrauchen. Wenn der Job mit Exit-Code 137 beendet wird, ist der Speicher ausgegangen, siehe Exit-Code 137.
Weniger ausführen mit Target-Auswahl
Der Abhängigkeitsgraph von Bazel zeigt genau, was eine Änderung betrifft. Werkzeuge wie bazel-diff berechnen die betroffenen Targets zwischen zwei Commits, sodass ein PR bazel test nur auf dem Geänderten ausführt. Für große Monorepos schlägt das oft jede Cache-Optimierung. Weitere Monorepo-Werkzeuge finden Sie unter Monorepo-CI mit Nx oder Turborepo.
Tests aufteilen (Sharding)
Bazel teilt ein einzelnes Test-Target mit shard_count in der BUILD-Regel auf und führt Test-Targets standardmäßig parallel aus. Ist ein Target der Engpass, erhöhen Sie shard_count und stellen Sie sicher, dass das Test-Framework das Sharding-Protokoll von Bazel unterstützt. Über mehrere Maschinen verteilen Sie die Target-Liste in einer Matrix. Siehe Test-Sharding in GitHub Actions.
Was mehr CPU-Kerne bringen
Bazel nutzt zusätzliche Kerne besonders gut, weil es viele unabhängige Actions gleichzeitig ausführt. Bei warmem Cache werden die meisten Actions übersprungen, daher zählen Kerne vor allem für den geänderten Teil. Ein kalter CI-Lauf auf einem 2-vCPU-Runner ist durch die CPU begrenzt. Unsere Benchmarks enthalten keine Bazel-Zeile, deshalb nennen wir keine Zahl. Der sinnvolle Test ist, denselben Befehl bazel test //... mit warmem Cache auf zwei Maschinengrößen auszuführen und die Kosten pro Lauf mit dem Kostenrechner zu vergleichen.
compiler.dev führt Jobs standardmäßig auf Maschinen mit 8 vCPU / 16 GB aus, verfügbar sind außerdem 2, 4, 16 und 32 vCPU; die Umstellung ist eine Zeile, runs-on: [self-hosted, Linux, compiler-ci]. Siehe Preise.
FAQ
Benötige ich Bazelisk in GitHub Actions?
setup-bazel installiert Bazelisk, das .bazelversion liest und die passende Bazel-Version herunterlädt. Cachen Sie sie mit bazelisk-cache: true.
Disk-Cache oder Remote-Cache?
Beginnen Sie mit dem Disk-Cache, gespeichert über setup-bazel. Wechseln Sie zu einem Remote-Cache, wenn das Repo groß ist, der GitHub-Cache voll läuft oder Entwickler Ergebnisse mit der CI teilen sollen.
Warum wird mein Bazel-Cache in der CI nie getroffen?
Meist unterscheiden sich die Eingaben zwischen den Runs: absolute Pfade, Zeitstempel, Umgebungsvariablen oder nicht-hermetische Toolchains. Prüfen Sie es mit --explain und --verbose_explanations.
Sollen Pull Requests in den Cache schreiben?
Die README von setup-bazel empfiehlt cache-save: false für PRs. Lassen Sie main schreiben und PRs lesen.
Verwandt
- TypeScript-Monorepo in GitHub Actions beschleunigenTypprüfung und Linting in TypeScript-Monorepos auf GitHub Actions beschleunigen: inkrementelles tsc, Projektreferenzen, Lint-Caches und parallele Jobs.
- Playwright im Monorepo mit GitHub Actions beschleunigenPlaywright-E2E-Tests in einem Node-Monorepo auf GitHub Actions beschleunigen: App einmal bauen, E2E überspringen, wenn sich die Web-App nicht ändert.
- CI-Geschwindigkeits-Badge in Ihre README einfügenZeigen Sie die Geschwindigkeit Ihrer CI mit einem README-Badge: die mediane Laufzeit Ihrer Repository-Workflows auf GitHub Actions, automatisch aktualisiert.
- Schnellste CI für Bazel-Monorepos mit GitHub ActionsSchnelle Bazel-CI auf GitHub Actions: Zieltyp-Ermittlung für betroffene Builds, Remote-Cache-Flags, schreibgeschützte PR-Uploads und Sharding.