Google Glog项目中的Bazel构建系统迁移问题解析
背景介绍
Google Glog是一个广泛使用的C++日志库,它采用了Bazel作为其构建系统。Bazel作为Google开源的构建工具,近年来正在进行从传统WORKSPACE模式向Bzlmod模块化构建系统的重大迁移。这一变革对许多依赖Bazel的项目产生了深远影响。
问题现象
在Windows平台的CI构建过程中,Glog项目遇到了构建失败的问题。错误信息显示系统无法解析@platforms仓库,提示"Both '--enable_bzlmod' and '--enable_workspace' are disabled"。这表明构建系统既没有启用新的Bzlmod模块系统,也没有启用传统的WORKSPACE模式。
技术分析
根本原因
问题的根源在于Bazel 8版本中默认禁用了WORKSPACE文件功能,这是Bazel团队推动项目向Bzlmod迁移的战略性举措。根据Bazel的发布计划:
- Bazel 8(2024年底)将默认禁用WORKSPACE
- Bazel 9(2025年底)将完全移除WORKSPACE支持
具体技术细节
-
依赖解析失败:构建过程中需要访问
@platforms仓库,这是一个提供跨平台构建支持的公共仓库,但系统无法找到它。 -
构建配置冲突:错误信息表明项目既没有启用Bzlmod,也没有启用WORKSPACE,导致构建系统无法确定如何解析外部依赖。
-
平台特定问题:此问题特别出现在Windows平台上,可能与平台相关的构建配置有关。
解决方案
Glog项目团队通过以下方式解决了这个问题:
-
明确构建模式:在构建配置中明确指定使用WORKSPACE模式或迁移到Bzlmod。
-
依赖管理:确保所有必要的依赖(如
@platforms)在选定的构建模式下正确声明和配置。 -
CI配置更新:调整持续集成系统的构建参数,确保与项目选择的构建模式一致。
经验总结
这一事件为使用Bazel的项目提供了重要启示:
-
及时跟进构建系统更新:Bazel正在经历重大架构变更,项目需要及时调整构建配置。
-
跨平台测试重要性:构建问题往往在特定平台显现,全面的跨平台测试十分必要。
-
依赖管理策略:随着构建系统的演进,依赖管理方式也需要相应调整,项目应建立清晰的依赖管理策略。
未来建议
对于仍在使用Bazel的传统WORKSPACE模式的项目,建议:
- 尽快开始Bzlmod迁移评估
- 建立构建系统更新的监控机制
- 加强跨平台构建测试
- 制定明确的依赖管理规范
通过这次事件,我们可以看到现代构建系统演进对项目的影响,也体现了及时跟进基础设施变更的重要性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00