Bazel Skylib安装与使用指南
2024-09-12 04:15:17作者:魏侃纯Zoe
项目介绍
Bazel Skylib是一个强大的Starlark库,专为Bazel构建系统设计。它集合了一系列实用的函数,用于处理集合、文件路径以及在Bazel构建规则领域遇到的各种数据类型。通过提供便捷的工具集,Skylib极大地增强了Bazel用户的开发体验,简化了复杂的构建逻辑实现。
项目快速启动
要开始使用Bazel Skylib,首先确保你的环境已经配置了Bzlmod,并遵循以下步骤:
-
添加到Bazel Workspace: 在你的
WORKSPACE文件中(或如果你使用Bzlmod,则在MODULE.bazel文件中),加入以下依赖声明来安装最新版本的Bazel Skylib(以1.7.1为例):load("@bazel_tools//tools/build_defs/repo:http.bzl", "http_archive") http_archive( name = "bazel_skylib", urls = [ "https://mirror.bazel.build/github.com/bazelbuild/bazel-skylib/releases/download/1.7.1/bazel-skylib-1.7.1.tar.gz", "https://github.com/bazelbuild/bazel-skylib/releases/download/1.7.1/bazel-skylib-1.7.1.tar.gz", ], sha256 = "9292cfe6de1ddba5cafbeeeaed6bdf7433a8c8a9f805efcc988d6becb12383ce7", )对于Bzlmod用户,应更新为相应的
bazel_dep调用,但请注意,实际版本号可能会变化,需参照最新文档。 -
加载Skylib功能: 在你的Bazel构建文件或
.bzl文件中,你需要按需加载Skylib中的模块。例如,若想使用路径处理相关的功能:load("@bazel_skylib//lib:paths.bzl", "paths") # 使用时 some_path = paths.join("/base/path", "to/something")
应用案例和最佳实践
示例:路径操作
假设你有一个Bazel构建规则需要根据一个基路径构建相对路径,你可以这样做:
load("@bazel_skylib//lib:paths.bzl", "paths")
def _my_rule_impl(ctx):
output_file = ctx.actions.declare_file(ctx.label.name)
ctx.actions.write(output_file, "Path: " + paths.basename(ctx.file.src.path))
return [DefaultInfo(files=depset([output_file]))]
my_rule = rule(
implementation = _my_rule_impl,
attrs = {
"src": attr.label(allow_single_file=True),
},
)
这个例子展示了如何利用paths.basename提取文件名,是Skylib简化路径操作的一个简单实例。
最佳实践
- 模块化加载:根据需要按模块加载Skylib的功能,避免引入不需要的部分。
- 利用单元测试:Skylib自带的
unittest模块可以用来为你的规则编写测试,提高代码质量。
典型生态项目
Bazel Skylib因其通用性和强大性,在许多依赖Bazel作为构建系统的项目中被广泛应用。比如:
- Abseil-CPP:Google的开源集合库,使用Bazel进行构建,可能间接依赖Skylib提供的便利功能。
- Apple Rules:支持iOS、macOS等苹果平台的Bazel规则,可能利用Skylib增强构建配置能力。
- Aspect Bazel Lib:提供跨规则的通用功能,可能集成Skylib以扩展其能力。
这些生态项目显示了Bazel Skylib在不同场景下的广泛适用性和重要性,它不仅是构建脚本作者的好帮手,也是大型项目复杂构建逻辑管理的关键组件。通过整合Skylib,开发者能够更高效地编写和维护他们的Bazel构建规则。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-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
项目优选
收起
deepin linux kernel
C
24
8
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
282
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
248
317
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
631
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100