Bazel编译TensorFlow源码时tf_kernel_library与cc_library的区别

二者最本质的区别是：cc_library是Bazel原生提供的通用C++库构建规则，而tf_kernel_library是TensorFlow项目自定义的封装宏，专门服务于TF算子内核的编译场景，底层最终还是会生成cc_library目标，但自动预置了大量TF内核开发所需的专属配置。

具体差异可以拆成几个维度：

• 依赖注入逻辑不同
  原生cc_library不会自动附加任何项目专属依赖，所有依赖项都需要开发者手动在deps字段声明。tf_kernel_library会默认注入TF内核编译必需的基础依赖，包括算子基类、张量操作工具集、设备抽象层接口等通用依赖，不需要开发者重复配置。
• 多设备编译适配不同
  cc_library只处理通用C++代码的编译，不会识别TF特有的多设备编译逻辑。tf_kernel_library会根据全局编译配置，自动适配CPU、GPU等不同设备的编译流程：比如自动识别后缀为.cu.cc的CUDA核函数代码、触发对应设备的编译工具链、追加设备相关的编译宏，生成对应架构的目标文件。
• 内核注册逻辑处理不同
  用cc_library编写的内核代码，很容易因为链接顺序、依赖缺失问题，导致内核注册逻辑没有被正确链入最终二进制，运行时出现"找不到对应算子内核"的错误。tf_kernel_library会自动处理注册相关的链接配置，保证内核实现能正确注册到TF的全局内核注册表中。
• 编译选项对齐不同
  cc_library默认使用Bazel通用C++编译选项，不会自动对齐TF项目的全局编译要求。tf_kernel_library会自动继承TF全局的编译配置，包括警告等级、异常开关、版本宏定义、不同编译场景（服务端/移动端、调试/发布）下的代码裁剪规则，避免手动配置导致的编译选项不兼容问题。

场景选择参考

• 编写算子内核实现、设备绑定相关的核心逻辑时，优先用tf_kernel_library，减少重复配置成本
• 编写内核依赖的纯C++通用工具类、和设备注册/内核注册逻辑无关的辅助代码时，用原生cc_library即可，避免引入不必要的依赖拖慢编译速度

内容的提问来源于stack exchange，提问作者kingwales