聊一聊构建的抽象

最近，在研究 Gradle 和 Java 相关构建的实现，让我对不同编程语言的应用构建燃起了一点点的兴趣。

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~~)。

PS：本文旨在尝试性的整理我所了解的构建知识。部分内容限于对某一些编程语言的理解有限，并非非常准确。如有偏颇之此，希望大家指正。

引子 1：从 Java 的编译说起

绝大多数程序员都是从 hello, world! 开始自己复制、粘贴的人生生涯。对于那些刚上手 Java 的程序员也是类似的：

javac HelloWorld.java

而当我们依赖于其它的软件包时，就需要在编译时和运行时加入 classpath 来加入依赖项。于是，对应的运行命令就如下所示：

java -classpath .:libs/joda-time-2.10.6.jar HelloWorld

这样，我们就能得到预期的结果了：

Hello, World 
Millisecond time: in.getMillis(): 1599284014762

而如果我们需要打成 jar 包就需要一个复杂一点的过程：

jar cvfm hello.jar manifest.txt HelloWorld.class libs/*

这个过程中，涉及到几个关键的要素：

工具链。即 java 和 javac，以及对应的 Runtime 等。

构建过程。即我要先执行 javac 进行编译，再通过 java 命令来启动应用。

依赖管理。即我们的 joda-time-2.10.6.jar 的位置获取等问题，以及在打包时加入的过程。

源码配置。即转换过程中的 class 和 java

过程中的输入和输出。

引子 2：任务及任务的输入和输出

对于一个制品的构建来说，我们往往会把它拆分为一系列的任务，每个任务有自己的输入和输出。当输入发生变化的时候，需要变化对应的输出。紧接着，我们只需要对任务进行编排即可：

exports.build = series( 
clean, 
parallel( 
cssTranspile, 
series(jsTranspile, jsBundle) 
), 
parallel(cssMinify, jsMinify), 
publish 
);

如上展示的是：哪些任务可以并行，哪些任务需要按顺序执行——也可以认为是任务的依赖。

当然了，还有一种任务是 watch 任务，只用于开发时，而非构建时。如下是 Node.js 中的 Gulp 构建工具的文件监控示例：

function javascript(cb) { 
// body omitted 
cb(); 
} 
 
function scss(cb) { 
// body omitted 
cb(); 
} 
 
watch('src/*.scss', scss); 
watch('src/*.js', series(javascript));

两间结合之下，我们就会看到增量任务的概念：只针对修改的部分进行编译，以提升构建效率。在这方面做得比较好的就是 Gradle ，看个官方的示例InputChanges：

abstract class IncrementalReverseTask extends DefaultTask { 
@Incremental 
@InputDirectory 
abstract DirectoryProperty getInputDir() 
 
@OutputDirectory 
abstract DirectoryProperty getOutputDir() 
 
@TaskAction 
void execute(InputChanges inputChanges) { 
inputChanges.getFileChanges(inputDir).each { change -> 
if (change.fileType == FileType.DIRECTORY) return 
 
def targetFile = outputDir.file(change.normalizedPath).get().asFile 
if (change.changeType == ChangeType.REMOVED) { 
targetFile.delete() 
} else { 
targetFile.text = change.file.text.reverse() 
} 
} 
} 
}

同样的，它也需要我们监控对应的输入和输出。稍有不同的是，Gradle 会对文件进行索引，每次只提供变化的部分，让我们根据自己的实际需要进行处理。

增量构建相关资源：

tup 是用于 Linux、OSX 和 Windows 的基于文件的构建系统。它输入文件的更改列表和有向无环图(DAG)，然后处理DAG 以执行更新依赖文件所需的适当命令。
ninja 是一个专注于速度的小型构建系统，类似于GNU Make。
SCons 是一套由Python 语言编写的开源构建系统，类似于GNU Make。

引子 3：可选的依赖管理(地狱)

关于依赖的管理槽点，我已经写过一系列的文章，诸如于：管理依赖的 11 个策略、依赖孪生：低成本的依赖安全方案。

单纯从构建这件事情上，对于依赖的管理是可有可无的。出现这个状况的主要原因是：历史上的编程语言都不考虑这个问题。所以，在古老的 C/C++ 语言中，构建系统就是一个头疼的问题。当然了，新晋的 Golang 也缺少良好的设计。

好在，对于依赖管理来说，这个过程并不复杂：

包命名和版本机制
包管理服务器
构建和运行时的依赖管理
包冲突处理
……

构建的抽象

好了，有了上面的这一系列基础知识之后，接下来我们就可以看看不同的构建系统里，对于同一概念的抽象，整合了 Bazel、Gradle、Cargo、NPM 等之后有了一个基础的抽象层次：

工作空间(workspace)。工作空间是一个或者多个软件包的集成，它们可以共享依赖、输出目录配置等等。典型的有 Java 中的 Gradle settings.gradle、Rust 中的 Cargo 的 Cargo.toml 等。
仓库。仓库可以映射到 Git 的 repository 中，代表一个可独立构建的软件。
包。最小的可执行单位的项目结构。
包布局。对应于不同的语言、构建系统来说，它用于定义代码的存放位置和结构。
制品。即构建产生的产物，可能是可复用的软件包，也可能是可运行的应用。
任务。定义构建的规则，并执行。

FAQ

为什么是没有项目?在业务领域和技术领域，我们对于项目的定义存在着一定的歧义性。为了减少二义性，我们使用工作空间 + 仓库来解决这个问题。工作空间可以视为一个完整的业务项目。而仓库呢，则是单一个的代码库，可能是一个库，也可能是包含库的完整工程。

现有的最佳方案是 Bazel。

工作区

工作空间是一个或者多个软件包的集成，它们可以共享依赖、输出目录配置等等。典型的有 Java 中的 Gradle settings.gradle、Rust 中的 Cargo 的 Cargo.toml 等。

我们可以将其视为最终的产物，如 Android 生成的 APK，Rust 最后生成的可执行文件。过程中，生成的共享的包都是为了支持这个工程的一部分。

先看 CMakeLists.txt 的目录，我们在工作区的根节点，定义了这个工程，并添加了 projectA 和 projectB。

cmake_minimum_required(VERSION 3.2.2) 
project(globalProject) 
 
add_subdirectory(projectA) 
add_subdirectory(projectB)

以用于生成最后的构建产物。相似的还有 Rust 中的 workspace：

[workspace] 
 
members = [ 
"adder", 
]

又或者是前端的 Yarn 中的工作区：

{ 
"private": true, 
"workspaces": ["workspace-a", "workspace-b"] 
}

它们做的都是相同的事情。

仓库

这个概念的再提取是来源于 Bazel。仓库是一系列包的合集，我们可以将其视为团队的边界，从某种意义上可以看作是代码仓库。对于一个庞大的工程来说，它的代码来源是多种多样的，来自组织内的其它团队，来自组织外的其它团队。每个独立的部分，即是一个仓库。

值得注意的是，从最终产物来看，每个团队的产出都是仓库，但是呢，在团队内部，他们就是工作区。

让我们看个 Gradle 的多项目构建示例(Android 工程)：

. 
├── README.md 
├── library_a 
├── app 
│   ├── build.gradle 
│   └── src 
├── build.gradle 
├── local.properties 
├── settings.gradle 
└── third-partys 
├── ... 
├── build.gradle 
└── settings.gradle

从目录结构来看，这个是一个工作区，而在工作区呢，它包含了一些三方的代码仓库(third-partys)，以及自身的库 library_a 和应用 app。

因此，在这里的 library_a 和 third-partys 的各个项目都算是仓库。

包

包是一系列代码的合集，它可大可小。最主要的原因在于，因为构建时，我们可能会把一个仓库(哪怕是最小的 Gradle 项目)产出多个包，如 Java 项目中的 src/main 和 src/test。

于是在诸如 bazel 这样的构建工具中，支持自定义的包：

src/my/app/BUILD 
src/my/app/app.cc 
src/my/app/data/input.txt 
src/my/app/tests/BUILD 
src/my/app/tests/test.cc

对于一个包来说，往往我们还需要定义一系列的相关信息，如包名、依赖信息、入口等等。如 Bazel 中对于 Java 构建的示例：

java_binary( 
name = "ProjectRunner", 
srcs = ["src/main/java/com/phodal/ProjectRunner.java"], 
main_class = "com.phodal.ProjectRunner", 
deps = [":greeter"], 
)

这已经实现了对于不同包的信息抽象。顺带的再看个 Java 包中的 MANIFEST 的示例：

Main-Class: HelloWorld 
Class-Path: libs/joda-time-2.10.6.jar

我们就可以知道之间的联系。

包定义

在打包阶段，我们以简单的形式定义了这个包——因为它并非那么重要，我们也不关心。而当我们决定发布这个包到互联网时，我们就需要好好定义这个包。对应的一些必要信息有：

name
version
authors
license
description
……

这些信息用于在包管理中心展示，并向使用者提供包相关的信息等。不同的语言中使用的是不同的形式，Rust 使用了自定义的 toml，而诸如 Maven 仓库中则使用了 XML：

<groupId>...</groupId> 
<artifactId>...</artifactId> 
<version>...</version> 
<packaging>...</packaging> 
<dependencies>...</dependencies> 
<name>...</name> 
<description>...</description>

类似的在 NPM 的 package.json 中也使用了类似的字段： name、 verison 等信息。

而在这些编程语言中，这个东西就设计得过于简单了，如 Python 的 pip 中使用的 requirements.txt 来管理依赖，当你要发布包的时候使用 setup.py 进行配置。于是，你的应用如果不发布，那就没有包名了……。

包布局

构建工具在设计的时候，会设计默认的软件包分层结构，这个分层架构就是包布局(package layout)。构建工具通过这个布局，来获取所需的输入源和配置等信息。它也包含了一些默认的配置，如 src/main 指向了源码的目录， src/test 指向的是测试代码(不会加入到制品中)

├── build.gradle 
└── src 
├── main 
└── test

对于使用者来说，它们也可以针对于它们的需要扩展这个布局，如 Gradle 里的 SourceSets：

sourceSets { 
main { 
output.resourcesDir = file('out/bin') 
java.outputDir = file('out/bin') 
} 
}

对于其它语言也是类似的。但是呢，对于某些语言来说，并非有这么强的关联，如在 Golang 中，就没有这么强的约束。只是呢，原先是默认值，现在需要开发人员来手动配置。

制品

制品是最终的构建产物。同样的，在不同的语言中有不同的命名方式。在 Gradle 中称为 artifacts，在 Rust 中称为 targets……。制品，主要涉及到的是各种文件的流转及其流转规则。

举个简单的例子，一个 jar 文件中必须包含一个 MANIFEST.MF，以用于配置应用程序、扩展和类装载器等相关信息。而相关的文件又会以 META-INF 的方式组织起来。

因此在整个制品的创建过程中，就是复制对应的文件，进行相应的转换，如 java -> .class，再复制到对应的目录，最后再打包在一起的过程。

任务：规则引擎 + DSL

在上述我们看到的例子中，很多就是创建了自身的 DSL，而后用于构建。只有这样才能让使用者得到最大的方便。这是一个相当复杂的过程，它相当于我们要设计一个和平台、语言无关的 DSL。而这种演变方式有多种：

使用 API 抽象的内部 DSL。诸如于 Webpack、Gulp 等实现。

自制的外部 DSL 语言。如 Gradle 所使用的 Groovy、多语言的 Bazel。

规则引擎本身是一组关于任务的 DSL，看个 Gradle 的例子：

task copyReportsDirForArchiving2(type: Copy) { 
from("$buildDir") { 
include "reports/**" 
} 
into "$buildDir/toArchive" 
}

它所做的事情就是复制。对应的 Gradle 打包示例也是蛮简单的 DSL 抽象：

task packageDistribution(type: Zip) { 
archiveFileName = "my-distribution.zip" 
destinationDirectory = file("$buildDir/dist") 
 
from "$buildDir/toArchive" 
}

Gradle 使用的就是外部 DSL。再看看 Webpack 的打包示例：

module.exports = { 
entry: './path/to/my/entry/file.js', 
output: { 
filename: 'my-first-webpack.bundle.js', 
path: path.resolve(__dirname, 'dist') 
}, 
module: { 
rules: [ 
{ 
test: /\.(js|jsx)$/, 
use: 'babel-loader' 
} 
] 
}, 
plugins: [ 
new webpack.ProgressPlugin(), 
new HtmlWebpackPlugin({template: './src/index.html'}) 
] 
};

这里的 rules 就是一个简单的规则引擎(使用正则表达式来匹配)

两种模式各自有自己的优缺点，复杂场景下，使用 DSL + 自定义的脚本更容易完成。

PS：看来有空，我也应该写一个的规则引擎

构建的扩展

对于主流的构建系统来说，他们都支持不同形式的扩展支持：

外部 DSL 扩展
插件化的接口编程
项目内编程语言扩展
项目外编程语言扩展

大部分的东西，我们已经在文中的先前部分提到了，这里就不重复描述了。

结论

应用的构建是一个相当有意思的过程。

设计一个构建系统也变得颇为有趣的。

参考资料：

Gradle vs Bazel for JVM Projects
Bazel: Concepts and terminology
Yarn: Workspaces
Gradle: Authoring Multi-Project Builds
Cargo: Workspaces
Gulp: Tasks