我在具有 4 GB RAM 的计算机上使用 bazel（编译 tensorflow 项目）。然而，Bazel 没有考虑到我拥有的内存量，并且产生了太多的作业，导致我的机器交换并导致更长的构建时间。
我已经尝试通过我的以下几行设置ram_utilization_factor 标志~/.bazelrc
build --ram_utilization_factor 30
test --ram_utilization_factor 30
但这并没有帮助。无论如何要如何理解这些因素？我应该随机尝试其他一些吗？
其他一些可能有帮助的标志：
--host_jvm_args可用于设置 JVM 应使用的内存量，方法是设置-Xms和/或-Xmx，例如bazel --host_jvm_args=-Xmx4g --host_jvm_args=-Xms512m build //foo:bar( docs )。--local_resources与--ram_utilization_factor标志（docs）一起使用。--jobs=10（或其他一些较低的数字，默认为 200），例如bazel build --jobs=2 //foo:bar（docs）。请注意，这--host_jvm_args是一个启动选项，因此它位于命令 ( )之前，并且是一个“正常”构建选项，因此它位于命令之后。build--jobs
对我来说，--jobs@kristina 回答的论点有效：
bazel build --jobs=1 tensorflow:libtensorflow_all.so
注意： --jobs=1必须跟在后面，不能在前面build，否则 bazel 将无法识别。如果您要键入bazel --jobs=1 build tensorflow:libtensorflow_all.so，您将收到以下错误消息：
未知的 Bazel 启动选项：'--jobs=1'。
只是想支持@sashoalm 的评论，即--jobs=1标志是使 bazel build 最终起作用的原因。
作为参考，我在 Lubuntu 17.04 上运行 bazel，作为 VirtualBox 来宾运行，具有大约 1.5 GB RAM 和两个 Intel i3 内核（我正在运行 Thinkpad T460）。我正在关注 TensorFlow 上的 O'Reilly 教程（https://www.oreilly.com/learning/dive-into-tensorflow-with-linux），但在以下步骤中遇到了麻烦：
$ bazel build tensorflow/examples/label_image:label_image
改变这个就可以bazel build --jobs=1 tensorflow/...了。
我在我的 k8s 集群中遇到了很多 bazel 构建失败的不稳定问题。
此外--jobs=1，试试这个：
https:
//docs.bazel.build/versions/master/command-line-reference.html#flag--local_resources--local_resources=4096,2.0,1.0