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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00