Bazel 8.0.0 编译失败问题分析与解决方案
Bazel 8.0.0 版本在编译过程中出现了一个较为严重的问题,导致无法完成自举编译(bootstrap build)。这个问题主要影响了使用 OpenJDK 21 的用户,在 Arch Linux 和其他 Linux 发行版上均有报告。
问题现象
当用户尝试使用 Bazel 官方推荐的自举编译方法时,会遭遇以下错误:
ERROR: /tmp/bazel_gzgyPZVJ/out/external/bazel_tools/tools/allowlists/function_transition_allowlist/BUILD: no such target '@@bazel_tools//tools/allowlists/function_transition_allowlist:function_transition_allowlist'
错误信息表明编译系统无法找到 function_transition_allowlist 这个目标,而这个目标是 java_runtime_version_alias 规则隐式依赖的必需组件。
问题根源
深入分析后发现,这个问题源于 Bazel 8.0.0 版本中关于功能转换(function transition)白名单机制的配置问题。具体来说:
-
虽然
function_transition_allowlist目标确实存在于 Bazel 源代码中(位于tools/allowlists/function_transition_allowlist/BUILD.tools),但在编译过程中未能正确加载。 -
这个问题特别影响了
rules_java工具链中的相关规则,因为这些规则仍然保留了对该白名单的引用,尽管这些引用在新版本中实际上已经变得冗余。 -
令人困惑的是,这个问题并未在 Bazel 的持续集成测试中被发现,表明测试覆盖存在盲区。
解决方案
Bazel 开发团队迅速响应并修复了这个问题:
-
修复版本已经包含在 Bazel 8.0.1 RC1 中,用户可以测试这个候选发布版本来验证问题是否解决。
-
对于使用 Bazelisk 的用户,可以通过设置
USE_BAZEL_VERSION=8.0.1rc1来指向最新的修复版本。 -
从用户反馈来看,Bazel 8.0.1 已经能够顺利完成编译过程,解决了这个自举编译问题。
技术背景
这个问题涉及到 Bazel 的几个核心概念:
-
功能转换(Function Transition):这是 Bazel 配置系统的一部分,允许规则在不同配置之间转换。
-
白名单机制:Bazel 使用白名单来控制哪些规则可以使用特定的高级功能,这是一种安全机制。
-
自举编译(Bootstrap Build):即使用现有 Bazel 版本来编译新版本 Bazel 的过程,这是确保 Bazel 自我维持能力的关键测试。
最佳实践
对于遇到类似编译问题的用户,建议:
-
始终使用官方推荐的 Java 版本(目前是 OpenJDK 11 或 17)进行编译,避免使用较新但未经充分测试的 Java 版本。
-
在报告问题时,提供完整的错误日志和环境信息,包括操作系统版本和 Java 版本。
-
关注 Bazel 的发布说明,特别是已知问题和修复的版本。
Bazel 团队表示将继续调查为何这个问题未能被 CI 测试捕获,以改进未来的测试覆盖率。对于开发者而言,这个问题也提醒我们在进行重大配置系统变更时需要更加全面的测试验证。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00