Enso项目中使用Bazel构建Rust解析器原生库的技术实践
2025-05-30 10:39:46作者:何举烈Damon
在Enso项目的开发过程中,构建系统一直是影响开发效率的重要因素。最近,项目团队针对enso_parser模块的原生库构建进行了重要改进,通过Bazel构建系统实现了跨平台的Rust代码编译,显著提升了构建效率。
背景与挑战
Enso作为一个跨平台的编程语言环境,其核心解析器enso_parser是用Rust编写的,需要通过JNI(Java Native Interface)与Java/Scala部分进行交互。传统构建方式存在几个痛点:
- 需要为每个目标平台单独编译Rust代码
- 构建流程依赖Cargo工具链
- 构建过程与sbt构建系统耦合紧密
- 开发环境配置复杂,特别是对于不熟悉Rust的开发者
这些问题导致构建过程耗时且容易出错,特别是在多平台开发场景下。
Bazel解决方案
项目团队通过引入Bazel构建系统,实现了以下关键改进:
1. 原生库的跨平台构建
创建了专门的Bazel规则//lib/rust/parser/jni:enso-parser-jni,开发者只需执行简单的构建命令即可生成目标平台的共享库文件:
bazel build //lib/rust/parser/jni:enso-parser-jni
构建完成后,在bazel-bin/lib/rust/parser/jni目录下会自动生成对应平台的共享库文件:
- Linux:
libenso_parser.so - Windows:
enso_parser.dll - macOS:
libenso_parser.dylib
2. Java接口代码生成
通过新增的enso-parser-generate-java规则,Bazel可以直接生成JNI所需的Java接口代码,完全消除了构建过程中对Cargo的直接调用。这一改进使得构建流程更加标准化,减少了对外部工具的依赖。
技术优势
这种改进带来了多方面的技术优势:
- 构建缓存:Bazel的缓存机制可以避免重复编译,特别是对于不常变动的解析器代码
- 跨平台一致性:统一的构建命令在不同平台上产生一致的结果
- 简化开发环境:开发者不再需要配置完整的Rust工具链
- 构建性能:并行构建和增量构建显著缩短了构建时间
- 可重现性:Bazel的沙箱机制确保了构建过程的可重现性
实施效果
这一改进使得Enso项目的构建流程更加高效和可靠。具体表现在:
- 开发者可以快速获取预编译的解析器库,无需等待本地编译
- CI/CD管道可以缓存编译结果,大幅减少构建时间
- 新成员加入项目时,环境配置更加简单
- 多平台构建更加容易管理
未来展望
虽然已经取得了显著进展,但仍有优化空间:
- 进一步简化sbt构建配置,使其完全依赖Bazel生成的产物
- 探索将更多组件迁移到Bazel构建系统
- 优化构建缓存的分发机制,加速团队协作
- 完善构建监控和性能分析工具
这次技术改进为Enso项目的持续发展奠定了更坚实的基础,展示了现代构建系统在复杂项目中的价值。通过标准化和自动化构建流程,团队可以将更多精力集中在核心功能的开发上,提高整体开发效率。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
661