使用Conan Workspace实现CMake多项目仓库的依赖管理
2025-05-26 15:47:55作者:裘晴惠Vivianne
前言
在现代C++开发中,多项目仓库(Monorepo)的组织方式越来越受到欢迎,特别是对于包含多个相互依赖的库和可执行项目的大型代码库。本文将详细介绍如何使用Conan的Workspace功能来管理这种复杂场景下的依赖关系。
Conan Workspace简介
Conan Workspace是Conan包管理器提供的一个孵化阶段功能,专门用于解决多项目仓库中的依赖管理问题。它允许开发者:
- 将多个本地项目声明为"可编辑"状态
- 建立项目间的依赖关系
- 支持从根目录构建整个项目集合
- 保持与单独打包发布的能力
典型项目结构分析
一个典型的多项目仓库可能包含以下组件:
- 多个核心库(lib_core, lib_fleet等)
- 若干应用程序(app1, app2等)
- 共享的第三方依赖
传统的CMake通过add_subdirectory可以方便地组织这种结构,但当需要独立版本控制和发布时,就需要更精细的依赖管理。
配置Conan Workspace
基础配置
创建一个conanws.yml文件定义工作区:
editables:
lib_core/0.0.1:
path: Core
lib_fleet/0.0.1:
path: fleet
app1/0.0.1:
path: apps/app1
products:
- apps/app1
workspace_generators: cmake
各项目的conanfile.py
每个子项目需要自己的conanfile.py,例如:
from conan import ConanFile
from conan.tools.cmake import CMake, cmake_layout
class LibCoreConan(ConanFile):
name = "lib_core"
version = "0.0.1"
settings = "os", "arch", "compiler", "build_type"
options = {"shared": [True, False]}
default_options = {"shared": False}
exports_sources = "CMakeLists.txt", "src/*", "include/*"
requires = ("boost/1.87.0", "openssl/3.4.1")
def layout(self):
cmake_layout(self)
def build(self):
cmake = CMake(self)
cmake.configure()
cmake.build()
def package(self):
cmake = CMake(self)
cmake.install()
def package_info(self):
self.cpp_info.libs = ["lib_core"]
构建流程
初始化工作区
conan workspace install
此命令会:
- 解析所有依赖关系
- 生成必要的构建文件
- 创建CMake预设配置
构建整个项目
cmake --preset conan-release
cmake --build build/Release -j4
构建特定目标
cmake --build build/Release --target lib_core
高级用法
多配置构建
Workspace支持同时管理多个构建配置(Release/Debug等),CMake预设文件会自动包含所有配置的生成器。
独立打包
虽然Workspace提供了整体构建能力,但每个库仍可独立打包发布:
cd Core
conan create .
最佳实践建议
- 保持简单:开始时只配置必要的editables和products
- 逐步迁移:从单个库开始,逐步添加其他组件
- 版本一致:确保工作区中各项目的版本号协调一致
- CI集成:在CI中同时测试整体构建和独立打包
- 文档记录:为团队维护清晰的Workspace配置说明
常见问题解决
- 缺少CMake预设文件:确保使用了正确的workspace_generators配置
- 依赖解析失败:检查各conanfile.py中的requires是否一致
- 构建类型不匹配:确认所有项目使用相同的settings配置
总结
Conan Workspace为C++多项目仓库提供了强大的依赖管理能力,既保持了整体构建的便利性,又不失独立组件的灵活性。虽然目前仍处于孵化阶段,但其设计理念和功能已经能够满足大多数复杂项目的需求。对于正在考虑如何组织大型C++代码库的团队,Conan Workspace无疑是一个值得认真评估的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
668
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
511
621
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
297
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
943
878
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
904
暂无简介
Dart
917
222
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
558
昇腾LLM分布式训练框架
Python
142
169
仓颉编程语言运行时与标准库。
Cangjie
163
924