在Bazel中使用Emscripten工具链构建WASM项目
概述
本文介绍如何在Bazel构建系统中正确配置和使用Emscripten工具链来构建WebAssembly(WASM)项目。我们将探讨常见的配置问题及其解决方案,特别是关于工具链提供者(TemplateVariableInfo)缺失的问题。
工具链配置要点
在Bazel中使用Emscripten工具链时,需要注意以下几个关键配置:
-
平台指定:必须通过
--platforms=@emsdk//:platform_wasm
参数明确指定目标平台为WASM。这个参数可以放在命令行中,也可以放在项目的.bazelrc
配置文件中。 -
工具链选择:当使用
genrule
规则时,Bazel期望工具链提供TemplateVariableInfo
。对于Emscripten工具链,推荐使用@bazel_tools//tools/cpp:current_cc_toolchain
作为工具链引用。 -
全局配置:如果整个项目都针对Emscripten/WASM平台,建议将平台配置放在
.bazelrc
文件中,这样可以避免每次构建都需要指定平台参数。
实际应用示例
以构建libffi库为例,正确的Bazel配置应包括:
- 在WORKSPACE文件中定义外部依赖:
http_archive(
name = "libffi_src",
# 省略具体配置...
)
- 在BUILD文件中定义构建规则时,可以省略显式的工具链指定(当已配置全局平台时):
genrule(
name = "libffi",
srcs = ["@libffi_src//:all"],
cmd = "cd external/libffi_src && ./testsuite/emscripten/build.sh --wasm-bigint",
outs = ["libffi.a"]
)
常见问题解决
当遇到"does not have mandatory providers: TemplateVariableInfo"错误时,可以采取以下解决方案:
-
确保已正确设置平台参数:
--platforms=@emsdk//:platform_wasm
-
如果必须显式指定工具链,使用:
@bazel_tools//tools/cpp:current_cc_toolchain
-
检查工具链的完整性,确保Emscripten SDK已正确安装和配置
最佳实践建议
-
对于纯WASM项目,建议在
.bazelrc
中设置默认平台,简化构建命令 -
复杂的构建过程(如autotools/cmake项目)可能需要更细致的工具链配置
-
考虑使用专门的规则(如
wasm_cc_binary
)而非通用genrule
,以获得更好的工具链集成
通过正确配置平台和工具链,开发者可以在Bazel中充分利用Emscripten工具链构建高效的WASM应用。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









