Pex项目在Python 3.12环境下构建PEX包的问题分析与解决方案
问题背景
Pex是一个用于创建Python可执行压缩包(PEX)的工具,它允许开发者将Python项目及其依赖打包成一个独立的可执行文件。近期,用户在使用Pex的bdist_pex命令通过tox构建PEX包时,发现该操作在Python 3.12环境下会失败,而在Python 3.9至3.11版本中则能正常工作。
问题现象
当用户在Python 3.12环境下运行以下命令时:
python setup.py bdist_pex --bdist-dir=dist --pex-args='--disable-cache -r requirements.in --resolver-version pip-2020-resolver --pip-version 24.0 -vvvvv' --bdist-all
会收到如下错误信息:
Failed to spawn a job for ...: received exit code 1 during execution of `['.../python3.12', '-s', '-E', '-m', 'pip', 'install', '-U', 'pip']`
技术分析
经过深入调查,发现该问题与Python 3.12中ensurepip模块的行为变化有关。具体表现为:
-
在Python 3.12环境下,当Pex尝试创建一个虚拟环境并安装指定版本的pip(如24.0)时,ensurepip模块会错误地认为当前环境中的pip已经满足要求,导致实际上没有安装任何pip版本。
-
这个问题特别出现在使用--disable-cache选项时,因为Pex需要临时创建一个包含指定pip版本的虚拟环境。
-
在Python 3.9-3.11版本中,ensurepip模块的行为正常,能够正确安装指定版本的pip。
解决方案
Pex开发团队在2.8.0版本中修复了这个问题,主要修改包括:
-
不再依赖ensurepip模块来安装pip,而是直接通过virtualenv的创建参数来控制pip的安装。
-
修改了Virtualenv.create方法的实现,新增了一个include_pip参数,允许在创建虚拟环境时直接包含pip,而不是后续再安装。
-
对于需要特定pip版本的情况,现在会直接传递include_pip=True参数,确保pip能够正确安装。
最佳实践建议
对于遇到类似问题的用户,建议:
-
升级到Pex 2.8.0或更高版本。
-
如果暂时无法升级,可以使用替代方案:
python -m pex --disable-cache . -r requirements.in --resolver-version pip-2020-resolver --pip-version 24.0 -c entry -o dist/entry.pex
- 对于多脚本项目,可以考虑使用conscript工具来管理多个入口点。
技术启示
这个案例展示了Python生态系统中版本兼容性的重要性。随着Python核心功能的演进,一些看似稳定的接口(如ensurepip)也可能在不同版本中表现出不同的行为。作为工具开发者,需要:
-
对核心功能的变更保持敏感。
-
设计更健壮的替代方案,减少对特定实现的依赖。
-
建立全面的跨版本测试体系,尽早发现兼容性问题。
对于Python开发者来说,这也提醒我们在升级Python版本时需要关注工具链的兼容性,并及时更新相关工具。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00