开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

Bazel查询deps到文件

Bazel是一个开源的构建工具，用于构建和测试软件项目。它使用BUILD文件来描述项目的构建规则和依赖关系。在Bazel中，deps是一个用于查询目标依赖关系的命令。

具体来说，Bazel的deps命令可以用于查询一个目标的直接依赖关系。它会返回一个包含所有直接依赖目标的列表。这些依赖目标可以是源代码文件、库文件或其他构建目标。

使用Bazel的deps命令有以下几个优势：

精确的依赖管理：Bazel会自动分析项目的依赖关系，并确保只构建和测试需要更新的部分，从而提高构建效率。
并行构建：Bazel可以并行构建多个目标，加快构建速度。
可重复性：Bazel使用确定性构建算法，确保每次构建的结果都是一致的，从而提供可重复性。
跨平台支持：Bazel支持多种编程语言和平台，包括前端开发、后端开发、移动开发等。

Bazel在云原生、持续集成/持续交付、微服务等场景中有广泛的应用。以下是一些腾讯云相关产品和产品介绍链接地址，可以与Bazel结合使用：

腾讯云容器服务（Tencent Kubernetes Engine，TKE）：https://cloud.tencent.com/product/tke TKE是腾讯云提供的容器服务，可以与Bazel结合使用，实现云原生应用的构建和部署。
腾讯云代码托管（Tencent Cloud Code Repository）：https://cloud.tencent.com/product/cr 代码托管是腾讯云提供的代码版本管理服务，可以与Bazel结合使用，实现代码的版本控制和协作开发。
腾讯云函数计算（Tencent Cloud Function Compute）：https://cloud.tencent.com/product/scf 函数计算是腾讯云提供的无服务器计算服务，可以与Bazel结合使用，实现无服务器应用的构建和部署。

请注意，以上仅为示例，实际使用时需要根据具体需求选择适合的腾讯云产品。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

Bazel rules_docker 使用

本篇的代码放在： https://github.com/backendcloud/example/tree/master/bazel-sample/docker WORKSPACE文件内容：加载rules_go 加载rules_docker 加载gazelle 准备基础镜像alpine_linux_amd64和distroless_linux_amd64 （类似Dockerfile的FROM） ⚡ root@localhost  ~/bazel-sample/docker   main ±  c

02

[Bazel]自定义命令行编译标志

这里名词只做个索引，方便理解，可能现在反而让理解变得更加复杂，不过没关系，我们主要是实现的就是自定义 build flag。更多参见这里[1]。

04

[Bazel]自定义规则实现将多个静态库合并为一个动态库或静态库

为了实现如标题所述的将多个静态库合并为一个动态库，内置的 Bazel 规则是没有这个功能的，Bazel C/C++ 相关的内置规则有：

02

一步步学KubeVirt CI （7） - Bazel Golang hello-world

先用Go写个hello-world源文件。执行go mod init和go mod tidy

02

[Bazel]构建Golang项目

Bazel 支持很多内置的规则，语言相关规则有 Shell、Objective-C、C++ 和 Java，比如 sh_binary、cc_binary、cc_import、cc_library、java_binary、java_import等。但是 Go 编译内置规则没有支持，不过好在 Bazel 支持规则扩展，可以自定义 Go 相关规则，包括可以实现如 go_binary、go_library、go_test等规则。而 `rules_go`[1] 就是 Bazel 官方维护的 Go Bazel 开源扩展规则。`gazelle`[2] 这个项目可以将 Go 项目转为 Bazel 方式构建，包括生成 BUILD.bazel 文件，根据 go.mod 文件自动生成下载依赖模块规则 go_repository。这里简单介绍下 rules_go 和 gazelle 相关内容，更多可以参考官方相关文档。

01

C++20 以 Bazel & Clang 开始

本文示例可见：https://github.com/ikuokuo/start-cpp20

03

扩展 Bazel 的构建语言

宏是实例化规则的函数。当 BUILD 文件过于重复或过于复杂时，它就非常有用，因为它允许您重复使用某些代码。

01

一步步学写Bazel lib&rules （2） - 写一个简单的 go rules

上面的WORKSPACE调用下面的deps.bzl，在deps.bzl用内置的方法http_archive引入bazel基础库Skylib依赖

01

【原创】记录我一次详细的TensorFlow源代码编译构建安装包总结

最近公司给我们分配了2台虚拟机服务器用于强化学习训练，我们在虚拟环境中安装好了TensorFlow环境后，在import tensorflow时发现报了下面的错误：

05

Istio实战系列-Envoy Proxy构建分析

Istio由控制面和数据面组成。其中Envoy是Istio在数据面缺省使用的转发代理，Istio利用Envoy的四层和七层代理功能对网格中微服务之间的调用流量进行转发。今天我们来分析一下Istio 使用到的Envoy构建流程。

01

Envoy编译篇：bazel构建介绍

本篇文章通过https://github.com/bazelbuild/examples/tree/main/cpp-tutorial里面的例子，来简单介绍下bazel构建的基础知识，方便后续查找和学习。

02

谷歌的Bazel构建工具

在当今的软件开发世界中，构建工具的选择对于提高开发效率、维护代码质量以及提升团队协作能力都至关重要。谷歌作为全球技术巨头，为了解决大规模代码构建和测试的挑战，开发了一款名为Bazel的构建工具。Bazel具有强大的功能和灵活性，已成为开源社区中的明星工具。本文将深入探讨谷歌的Bazel构建工具及其在软件开发中的应用。

01

记录我一次详细的TensorFlow源代码编译构建安装包总结

最近公司给我们分配了2台虚拟机服务器用于强化学习训练，我们在虚拟环境中安装好了TensorFlow环境后，在import tensorflow时发现报了下面的错误：于是我去Google搜索了下出现这个错误的原因，发现是因为我们服务器的CPU不支持AVX指令集导致的，而使用pip安装的TensorFlow需要依赖AVX指令集，为了确认我们的CPU是否真的不支持AVX指令集，我使用cat /proc/cpuinfo 命令查看了下目前CPU指令集支持情况，发现我们的CPU果然不支持AVX指令集。又不支持

01

编译tensorflow-lite-with-select-tf-ops遇到的坑

官方没有直接给出AAR，而是让自己用巴泽尔去编译一个，实在是有点坑啊。

Bazel 构建 protobuf

为了将proto文件转成编程语言代码，需要安装编译工具protoc。本篇验证使用 Bazel 构建是否能和手动执行 protoc 和插件的编译一样的结果。

02

Google 和 Facebook 为什么不用Docker？

写本文的起因是我想让分布式 PyTorch 程序更快的在 Facebook 的集群上启动。探索过程很有趣。也展示了工业机器学习需要的知识体系。

03

envoy filter 开发实践系列 2：官网 http filter 示例编译测试

这篇文章开始来介绍官网中 http filter 的编译和测试过程，让大家能够知道怎么测试跑通这个例子，虽然官网已经给了代码，但是对于新手来说，这个例子虽然可以按照 readme 可以编译通过，但是测试还是有问题的，因为 envoy 的启动配置文件也是比较复杂的，要自己写一个完整能够跑通的配置文件也不容易。

02

c++大型工程构建演化

在过去服务器后端开发一直是c++绝对称霸的领域，但是随着近些年互联网时的快速发展，产品的快速迭代，c++的开发的效率不高的问题使得越来越多的初创公司在技术选型的时候抛弃它而转向了go，go语言的易用性无疑的其能得到青睐的重要原因，尤其是其go module支持的现代语言包管理方式，使得其比c++更让人容易接受。

03

KubeVirt替换virt-lantch中的libvirt的版本(高版本到低版本)

KubeVirt替换virt-lantch中的libvirt的版本参考之前发布的文章KubeVirt替换virt-lantch中的libvirt的版本

01

Mediapipe框架在Android上的使用

MediaPipe是用于构建跨平台多模态应用ML管道的框架，其包括快速ML推理，经典计算机视觉和媒体内容处理（如视频解码）。下面是用于对象检测与追踪的MediaPipe示例图，它由4个计算节点组成：PacketResampler计算器；先前发布的ObjectDetection子图；围绕上述BoxTrakcing子图的ObjectTracking子图；以及绘制可视化效果的Renderer子图。

06

Mediapipe框架在Android上的使用

ObjectDetection子图仅在请求时运行，例如以任意帧速率或由特定信号触发。更具体地讲，在将视频帧传递到ObjectDetection之前，本示例中的PacketResampler将它们暂时采样为0.5 fps。你可以在PacketResampler中将这一选项配置为不同的帧速率。正是因为如此，在识别的时候可以时间抖动更少，而且可以跨帧维护对象ID。

01

面向机器智能的TensorFlow实践：产品环境中模型的部署

在了解如何利用TesnsorFlow构建和训练各种模型——从基本的机器学习模型到复杂的深度学习网络后，我们就要考虑如何将训练好的模型投入于产品，以使其能够为其他应用所用，本文对此将进行详细介绍。文章节选自《面向机器智能的TensorFlow实践》第7章。本文将创建一个简单的Web App，使用户能够上传一幅图像，并对其运行Inception模型，实现图像的自动分类。搭建TensorFlow服务开发环境 Docker镜像 TensorFlow服务是用于构建允许用户在产品中使用我们提供的模型的服务器的工具。

06

重构基于CMake的构建工具链

对大型项目来说，必然会有很多的依赖项。特别是现代化的组件都会尝试去复用社区资源。而对于C/C++而言，依赖管理一直是一个比较头大的问题。很多老式的系统和工具都会尝试去走相对标准化的安装过程，比如说用 pkg-config 或者用系统自带的包管理工具装在系统默认路径里。当然这样很不方便，也不容易定制组件。我使用 cmake 比较多，所以一直以来在我的 atframework 项目集中有一个 utility 项目 atframe_utils，里面包含一些常用的构建脚本。并且在 atsf4g-co 中实现了一些简单的包管理和构建流程。

01

构建的抽象

不同编程语言编写的应用，在它运行的状态下，会有不同的运行机制，有的是以二进制的方式运行的，有运行在编程语言的虚拟机之上。而构建所做的事情呢，就是将那些我们写给人类看的代码，转换为机器/程序能看懂的代码。所以，构建的本质就是翻译（~~复读机~~）。

03

BUILD.bazel hello-world

Bazel是一个类似于类似于 Make、Maven 和 Gradle的构建和测试工具。使用 Java、C++、Go、Android、iOS 以及许多其他语言和平台进行构建和测试。Bazel 可在 Windows、macOS 和 Linux 上运行。

03

作为TensorFlow的底层语言，你会用C++构建深度神经网络吗？

选自Matrices.io 作者：Florian Courtial 机器之心编译参与：李泽南、蒋思源目前流行的深度学习框架 TensorFlow（TensorFlow 中文官方公众号已于月初发布）是以 C++为底层构建的，但绝大多数人都在 Python 上使用 TensorFlow 来开发自己的模型。随着 C++ API 的完善，直接使用 C++来搭建神经网络已经成为可能，本文将向你介绍一种简单的实现方法。很多人都知道 TensorFlow 的核心是构建在 C++之上的，但是这种深度学习框架的大多数

09

【学术】在C ++中使用TensorFlow训练深度神经网络

你可能知道TensorFlow的核心是用C++构建的，然而只有python的API才能获得多种便利。当我写上一篇文章时，目标是仅使用TensorFlow的C ++ API实现相同的DNN（深度神经网络），然后仅使用CuDNN。从我入手TensorFlow的C ++版本开始，我意识到即使对于简单DNN来说，也有很多东西被忽略了。文章地址：https://matrices.io/deep-neural-network-from-scratch/ 请记住，使用外部运算训练网络肯定是不可能的。你最可能面临的错误

GTX 1080+Ubuntu16.04+CUDA8.0+cuDNN5.0+TensorFlow

GTX 1080+Ubuntu16.04+CUDA8.0+cuDNN5.0+TensorFlow 安装指导

02

Angular8稳定版修改概述

在今天早些时候Angular团队发布了8.0.0稳定版。其实早在NgConf 2019大会上，演讲者就已经提及了从工具到差分加载的许多内容以及更多令人敬畏的功能。下面是我对8.0.0一些新功能的简单介绍，希望可以帮助大家快速了解新版本。

02

零基础小白使用GPU云服务器（以Windows系统为例）搭建自己的深度学习环境

最近导师安排了一个论文模型复现的工作，奈何硬件条件不够，只能到处搜罗免费的GPU资源，过上了白嫖百家GPU资源的日子，这时候刚好遇见了腾讯的GPU云服务器体验活动，可谓是久旱逢甘霖。作为一名零基础小白，现将自己使用GPU云服务器（以Windows系统为例）搭建自己的深度学习环境的过程记录下来，方便大家参考。

04

我们如何将 Pinterest 的 iOS 应用大小减少 30% 以上

众所周知，应用程序的大小（下载大小 [1] [2]）是非常重要的，并且在应用程序的大小和客户参与度之间存在关联。通常，人们会根据大小来决定是否使用软件，甚至以兆字节来支付带宽。更不用说，随着应用程序大小的增加，卸载率也会上升，这会导致用户试图释放设备上的磁盘空间。

01

Win10系统编译Tensorflow Lite 2.3为动态链接库tensorflowlite_c.dll

Tensorflow Lite官方在移动端提供了官方编译好的库，我们直接拿来用就好。Tensorflow 在Linux平台与Mac平台下编译也非常轻松，基本不会遇到太多问题（据说Google内部只用Linux与Mac）。但是在Windows下编译真是一波三折，好在已经编译成功了，记录一下Windows 10下Tensorflow Lite编译过程，帮助一下跟我一样被Tensorflow折腾的不行的人。

05

如何挖掘 Bazel 的极致性能

Bazel 是 Google 公司于 2015 年开源的一款构建框架，至今收获了 21k 的 star 数，远超 gradle、maven、cmake 等同类产品。近几年来，字节阿里腾讯等互联网大厂也逐步拥抱 Bazel，搭建自己的构建体系。

02

百度Apollo源码学习之Bazel编译介绍

Bazel是一个类似于Make的编译工具，是Google为其内部软件开发的特点量身定制的工具，如今Google使用它来构建内部大多数的软件。(怪不得看起来很像Android.bp语法　Ｏ（∩＿∩）Ｏ)

04

Jetson TX1上安装Tensorflow Serving遇到的问题总结

本文的目的是分享在TX1上安装Tensorflow Serving时遇到的主要问题，避免重复踩坑。

04

Spotify 如何切换到 Bazel 进行 iOS App 构建

经过三年的试用，2020 年，Spotify 决定采用 Bazel 作为 Spotify iOS 应用程序的官方构建系统。按照 Spotify 工程师 Patrick Balestra 的说法，这一切换将他们的构建时间减少了四分之三。

02

Code For Better 谷歌开发者之声——TensorFlow

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md

01

Bazel 7 发布：全新模块化依赖管理、无字节构建与多目标构建性能提升

最近在 BazelCon 23 上宣布，Bazel 7 推出了多年来一直在开发中的一系列新功能，其中包括全新的模块化外部依赖管理系统 Bzlmod、全新优化的“Build without the Bytes”模式、得益于 Project Skymeld 的多目标构建性能改进等等。

01

Bazel 7 发布：全新模块化依赖管理、无字节构建与多目标构建性能提升

最近在 BazelCon 23 上宣布，Bazel 7 推出了多年来一直在开发中的一系列新功能，其中包括全新的模块化外部依赖管理系统 Bzlmod、全新优化的“Build without the Bytes”模式、得益于 Project Skymeld 的多目标构建性能改进等等。

01

envoy vscode调试环境搭建

经过一周的反复折腾，终于能顺利 debug envoy 源码，中途踩了无数坑，在此记录一下。

02

Bazel genrule

genrule 的参数分为：sources，a tool（例如一个内置命令，一个shell脚本），一条命令，outputs

04

一步步学KubeVirt CI （8） - bazelisk

Bazelisk Python版本已经废弃，最新的是用 Go 编写的，bazelisk 在 Bazel 外面又包装了一层。它会根据项目当前的工作目录自动选择一个配置的 Bazel 版本，从官方服务器下载它（如果需要），然后将所有命令行参数透传给真正的 Bazel 二进制文件。这样就可以像调用 Bazel 一样调用它。

02

自动驾驶 Apollo 源码分析系列，感知篇(二)：Perception 如何启动？

从 Apollo 的官方文档，我们很容易得知 Perception 是核心的组件之一，但像所有的 C++ 程序一样，每个应用都有一个 Main 函数入口，那么引出本文要探索的 2 个问题：

05

[Bazel]自定义工具链

本文会讲述 Bazel 自定义工具链的两种方式，Platform 和 Non-Platform 方式。会存在这两种方式的原因是 Bazel 的历史问题。例如，C++ 相关规则使用 --cpu 和 --crosstool_top 来设置一个构建目标 CPU 和 C++ 工具链，这样就可以实现选择不同的工具链构建 C++ 项目。但是这都不能正确地表达出“平台”特征。使用这种方式不可避免地导致出现了笨拙且不准确的构建 APIs。这其中导致了对 Java 工具链基本没有涉及，Java 工具链就发展了他们自己的独立接口 --java_toolchain。因此非平台方式（Non-Platform）的自定义工具链实现并没有统一的 APIs 来规范不同语言的跨平台构建。而 Bazel 的目标是在大型、混合语言、多平台项目中脱颖而出。这就要求对这些概念有更原则的支持，包括清晰的 APIs，这些 API 绑定而不是分散语言和项目。这就是新平台(platform)和工具链(toolchain) APIs 所实现的内容。

03

tensorflow各个版本的CUDA以及Cudnn版本对应关系

（1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

02

1.3 centos7源码编译tensorflow-gpu版

很巧的是编译安装tensorflow-gpu版成功了。 tensorflow已经更新到1.13版，官方的linux安装文件采用的是glibc2.23，而centos只支持到glibc2.17，所以在使用pip install tensorflow-gpu安装后的使用过程中会报错：

02

envoy在arm机器上的编译整理

操作系统:GUN Linux操作系统AARCH64架构。 istio-proxy版本：istio-proxy1.15.2

01

bazel源码编译

【bazel】https://github.com/sofu456/bazel 【openjdk】https://github.com/openjdk/jdk.git

02

kubevirtci make manifests

主要区别就下面的生成{templator}的不同，后者进入仓库的tools/manifest-templator/目录后执行go build生成可执行文件然后复制到{templator}路径。

02

GN语言和操作

GN语法设计理念编写构建文件不应该是一个创造性的努力。理想情况下，两个人应该产生相同的构建文件来实现相同的需求。除非绝对需要，否则不应有任何灵活性。做越多的事情越可能产生致命的错误。定义应该比代码更像代码。我不想编写或调试Prolog。但是我们团队的每个人都可以编写和调试C ++和Python。构建语言应该被视为构建应该如何工作。表达任意事物不一定容易甚至不可能。我们应该改变源代码和工具，使构建变得更简单，而不是把所有事情都变得更复杂以符合外部要求（在合理的范围内）。在有意义的时候就像Blaze一

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭