如何合规构建带CPU优化的TensorFlow Java Maven构件并上传至内部仓库

如果你已经搞定了带AVXx/SSE4.x优化的TensorFlow原生库编译，想要跳过手动复制文件的步骤，直接生成符合规范的Maven构件上传到内部仓库，完全可以基于TensorFlow官方的构建流程来实现，不需要搞hack手段。下面是具体步骤：

1. 扩展官方Maven打包规则，关联优化原生库 #

TensorFlow官方的Java模块本身就集成了Maven打包支持，只是默认没把优化后的原生库绑定到构件里。你只需要调整tensorflow/java目录下的构建配置：

• 找到tensorflow/java/BUILD文件，定位到java_library目标（通常是tensorflow这个目标），添加native_libs参数，指向你编译好的带CPU优化的原生库文件（比如libtensorflow.so/tensorflow.dll）。
• 然后找到同目录下的maven_install相关配置，确保它包含了原生库的打包逻辑，把原生库作为classifier=native-<platform>的构件打包。

完成配置后，运行官方的Maven打包命令：

bazel build //tensorflow/java:tensorflow-maven

这个命令会生成完整的Maven构件包：包含Java API的主jar、对应平台的原生库jar（带分类器），还有标准的pom文件，完全符合Maven规范，不需要手动复制任何文件。

2. 发布到内部Maven仓库 #

生成构件后，有两种官方方式发布到内部仓库：

方式一：用Bazel直接发布 #

在你的TensorFlow源码WORKSPACE文件中配置内部Maven仓库的认证信息和地址，然后运行：

bazel run //tensorflow/java:tensorflow-maven_deploy

Bazel会自动把所有生成的构件上传到指定的内部仓库。

方式二：用Maven CLI发布 #

如果更习惯用Maven命令，先把生成的构件放到本地Maven仓库，再执行deploy:deploy-file命令：

# 发布主Java API jar
mvn deploy:deploy-file -Dfile=tensorflow-<your-custom-version>.jar -DpomFile=tensorflow-<your-custom-version>.pom -DrepositoryId=internal-repo-id -Durl=http://your-internal-maven-repo-url

# 发布带CPU优化的原生库构件（分类器区分平台）
mvn deploy:deploy-file -Dfile=tensorflow-<your-custom-version>-native-linux-x86_64.jar -DpomFile=tensorflow-<your-custom-version>.pom -Dclassifier=native-linux-x86_64 -DrepositoryId=internal-repo-id -Durl=http://your-internal-maven-repo-url

记得替换命令中的版本号、仓库ID和地址。

3. 在Java微服务中依赖优化版本 #

在你的微服务pom.xml中添加依赖时，同时引入主API jar和对应平台的原生库构件：

<dependency>
    <groupId>org.tensorflow</groupId>
    <artifactId>tensorflow</artifactId>
    <version>your-custom-version</version>
</dependency>
<dependency>
    <groupId>org.tensorflow</groupId>
    <artifactId>tensorflow</artifactId>
    <version>your-custom-version</version>
    <classifier>native-linux-x86_64</classifier> <!-- 根据你的运行平台调整，比如native-windows-x86_64 -->
</dependency>

这样Maven会自动拉取对应的优化原生库，不需要再手动复制文件到项目中。

注意事项 #

• 确保你在编译TensorFlow时已经正确开启了CPU优化选项：比如在运行./configure时，指定编译参数--copt=-mavx2 --copt=-msse4.2，这样原生库才会包含对应的优化指令。
• 尽量不要修改官方核心的构建逻辑，只扩展Maven相关的配置，这样后续升级TensorFlow版本时，你的自定义打包逻辑更容易兼容。

内容的提问来源于stack exchange，提问作者Anton Krosnev