Open Location Code项目中的Bazel构建系统配置优化实践
2025-06-15 08:56:37作者:卓炯娓
背景介绍
Open Location Code是一个由Google开源的全球地理位置编码系统,它能够将任何地理位置转换为简短的字母数字编码。在项目的持续集成(CI)流程中,团队采用了Bazel作为构建工具来管理项目的构建和测试任务。
Bazel构建系统的演进
Bazel作为Google开源的构建工具,以其高效、可扩展和跨平台的特点著称。在Open Location Code项目中,Bazel的配置经历了从传统的WORKSPACE文件到模块化配置(MODULE.bazel)的转变。
这种转变代表了Bazel生态系统的最新发展方向:
- WORKSPACE模式:传统的依赖管理方式,通过声明外部依赖仓库
- 模块化模式:Bazel 5.0+引入的新特性,提供了更清晰、更易于维护的依赖管理方式
技术挑战与解决方案
在迁移到模块化配置的过程中,开发团队遇到了两个主要技术挑战:
1. Java测试配置问题
初始迁移后,Java相关的测试用例出现了失败。经过分析发现,这是由于模块化配置与原有Java构建规则不完全兼容导致的。解决方案包括:
- 更新Java工具链配置
- 调整测试依赖声明方式
- 确保构建环境与测试环境的一致性
2. Closure Compiler兼容性问题
更大的挑战来自JavaScript部分,特别是使用Closure Compiler的依赖项。这些依赖尚未支持Bazel的模块化系统。经过与维护团队的沟通,确定了以下解决方案:
- 回退到Bazel 7.4.1版本
- 暂时保留WORKSPACE配置方式
- 使用bazelisk工具管理Bazel版本
最佳实践总结
通过这次配置优化,团队积累了宝贵的经验:
-
版本管理:使用bazelisk工具管理Bazel版本,通过.bazeliskrc文件指定项目所需的特定版本
-
渐进式迁移:对于大型项目,可以采用混合模式逐步迁移,而不是一次性完全切换到新系统
-
社区协作:遇到技术难题时,积极与相关工具维护团队沟通,获取官方建议
-
CI/CD集成:确保构建配置变更后,持续集成流程能够及时反映这些变化并保持稳定
未来展望
随着Bazel生态系统的不断发展,Open Location Code项目团队计划:
- 持续关注Closure Compiler对模块化系统的支持进展
- 在条件成熟时完成向纯模块化配置的完全迁移
- 探索Bazel新特性对项目构建流程的进一步优化可能
这次配置优化不仅解决了当前的技术问题,也为项目的长期可维护性奠定了基础,展示了开源项目中构建系统管理的最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
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