Bazel多平台构建中的执行平台转换技术解析
2025-05-08 06:20:18作者:廉彬冶Miranda
背景介绍
在现代软件开发中,跨平台构建已成为常态,特别是在容器化场景下,我们经常需要为不同架构(如x86_64和ARM64)构建镜像。Bazel作为一款强大的构建工具,提供了丰富的多平台构建支持,但在实际应用中仍存在一些技术挑战。
核心问题
当使用Bazel构建多架构容器镜像时,开发者通常会遇到一个典型问题:如何确保每个架构的目标及其所有依赖项都在对应的执行平台上构建,而避免交叉编译带来的复杂性。
传统解决方案的局限性
最初,开发者可能会尝试使用exec_compatible_with属性来指定执行平台约束,但这种方法存在明显不足:
- 它只影响当前目标的执行平台,不会传播到依赖项
- 对于复杂的构建图,无法确保整个依赖树都在正确的平台上构建
- 当构建多平台聚合目标时,难以协调不同架构的构建环境
基于平台转换的创新方案
经过深入探索,我们发现可以通过Bazel的平台转换(Platform Transition)机制实现更优雅的解决方案。其核心思想是:
- 创建专门的规则(如
platform_transition_filegroup)来处理平台转换 - 通过transition修改
extra_execution_platforms选项 - 确保整个依赖树都在目标平台上构建
技术实现细节
1. 平台定义
首先需要明确定义各个目标平台:
platform(
name = "remote_linux_amd64",
constraint_values = [
"@platforms//cpu:x86_64",
"@platforms//os:linux",
]
)
platform(
name = "remote_linux_arm64",
constraint_values = [
"@platforms//cpu:arm64",
"@platforms//os:linux",
],
exec_properties = {
"arch": "aarch64",
}
)
2. 转换规则实现
关键部分是实现平台转换规则:
def _transition_platform_impl(_, attr):
return {"//command_line_option:extra_execution_platforms": str(attr.target_platform)}
_transition_platform = transition(
implementation = _transition_platform_impl,
inputs = [],
outputs = ["//command_line_option:extra_execution_platforms"],
)
def _platform_transition_filegroup_impl(ctx):
files = []
runfiles = ctx.runfiles()
for src in ctx.attr.srcs:
files.append(src[DefaultInfo].files)
runfiles = runfiles.merge_all([src[DefaultInfo].default_runfiles for src in ctx.attr.srcs])
return [DefaultInfo(files = depset(transitive = files), runfiles = runfiles)]
platform_transition_filegroup = rule(
_platform_transition_filegroup_impl,
attrs = {
"_allowlist_function_transition": attr.label(
default = "@bazel_tools//tools/allowlists/function_transition_allowlist",
),
"target_platform": attr.label(mandatory = True),
"srcs": attr.label_list(
allow_empty = False,
cfg = _transition_platform,
),
}
)
3. 构建图组织
实际使用时,可以这样组织构建目标:
my_rule(
name = "base",
dep = "dependency",
tags = ["manual"],
)
platform_transition_filegroup(
name = "arm",
srcs = ["base"],
target_platform = ":remote_linux_arm64",
)
platform_transition_filegroup(
name = "amd",
srcs = ["base"],
target_platform = ":remote_linux_amd64",
)
genrule(
name = "combined",
outs = ["combined.out"],
srcs = ["amd", "arm"],
cmd = "cat $(location amd) >> $@ && cat $(location arm) >> $@",
)
技术优势
这种方案相比传统方法有几个显著优势:
- 完整的平台一致性:确保整个依赖树都在正确的平台上构建
- 构建效率:避免了交叉编译的开销
- 灵活性:可以轻松扩展到更多平台架构
- 可组合性:最终可以聚合多个平台的构建结果
实际应用建议
在实际项目中应用此技术时,建议:
- 明确定义各个目标平台及其约束
- 为常用平台转换创建可重用的规则宏
- 在CI/CD流水线中配置对应的执行节点
- 考虑添加适当的标签(tags)控制构建行为
总结
Bazel的平台转换机制为解决多平台构建问题提供了强大支持。通过精心设计的转换规则,开发者可以构建出既高效又灵活的多平台构建系统,特别是在容器镜像构建等场景下,这种技术方案能够显著提升开发体验和构建效率。
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
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322