从WORKSPACE迁移到Bzlmod:emsdk的现代化构建方案
2025-06-25 17:59:14作者:舒璇辛Bertina
随着Bazel构建工具的持续演进,传统的WORKSPACE文件支持即将在Bazel 9中被完全移除。对于使用emsdk进行WebAssembly开发的开发者来说,现在正是将项目迁移到Bzlmod系统的最佳时机。
Bzlmod与传统WORKSPACE的区别
Bzlmod是Bazel新一代的依赖管理系统,相比传统的WORKSPACE文件,它具有以下优势:
- 更清晰的依赖声明方式
- 更好的版本控制能力
- 更高效的依赖解析机制
- 内置的依赖冲突解决能力
emsdk的Bzlmod迁移现状
目前emsdk官方尚未提供完整的Bzlmod支持,这导致开发者在使用时会遇到依赖解析错误。核心问题在于emsdk的bazel规则仍然依赖WORKSPACE文件来声明外部依赖。
迁移方案分析
社区已经提出了两种可能的迁移路径:
-
激进式迁移:完全移除WORKSPACE支持,强制所有用户切换到Bzlmod系统。这种方案实现简单,但会带来较大的用户迁移成本。
-
渐进式迁移:同时支持WORKSPACE和Bzlmod两种方式,给用户更长的过渡期。这种方案需要维护两套系统,开发成本较高。
考虑到Bazel 8已经默认禁用WORKSPACE支持,激进式迁移可能是更合理的选择。开发者需要尽快适应新的构建系统。
技术实现要点
要实现emsdk的Bzlmod支持,需要完成以下技术工作:
- 将deps.bzl和emscripten_deps.bzl转换为module扩展
- 修复硬编码的仓库名称引用问题
- 添加必要的依赖声明到MODULE.bazel文件
- 设计新的Emscripten缓存配置接口
一个可行的配置示例如下:
bazel_dep(name = "emsdk", version = "4.0.1")
emscripten_cache = use_extension("@emsdk//:extensions.bzl", "emscripten_cache")
emscripten_cache.configuration(flags = ["--lto"])
emscripten_cache.targets(targets = ["crtbegin", "libprintf_long_double-debug"])
跨平台兼容性考虑
在迁移过程中,必须确保Linux、macOS和Windows平台的兼容性。这包括:
- 路径处理的平台差异
- 工具链配置的平台适配
- 构建缓存的位置管理
开发者迁移建议
对于正在使用emsdk的开发者,建议采取以下步骤进行迁移:
- 升级到支持Bzlmod的Bazel版本
- 创建或更新项目的MODULE.bazel文件
- 声明emsdk和相关依赖
- 逐步替换WORKSPACE中的配置
- 测试各平台的构建行为
随着Bazel生态的演进,尽早迁移到Bzlmod系统将确保项目的长期可维护性。emsdk社区正在积极推动这一转变,开发者应当关注相关更新并及时调整构建配置。
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