Briefcase项目在Ubuntu 24.04上的构建问题分析与解决方案
问题背景
Briefcase是一个Python打包工具,它能够将Python应用打包成各种平台的原生格式。在Linux平台上,Briefcase使用Docker容器来构建应用。最近,有开发者发现在Ubuntu 24.04(代号Noble)上构建Docker镜像时遇到了问题。
问题现象
当尝试在Ubuntu 24.04上构建Docker镜像时,系统在执行pip install --upgrade pip setuptools wheel命令时失败。具体错误信息显示pip无法卸载已安装的wheel 0.42.0版本,提示"RECORD file not found",并指出这个包是由Debian安装的。
技术分析
系统包与pip包管理的冲突
这个问题本质上反映了系统包管理器(apt)和Python包管理器(pip)之间的冲突。在Ubuntu系统中,Python相关包如pip、setuptools和wheel通常通过系统包管理器安装到系统目录(如/usr/lib/python3/dist-packages/)。而pip默认会尝试将这些包升级到最新版本,安装到用户空间(如/usr/local/lib/python3*/site-packages/)。
Ubuntu打包方式的变化
通过分析Ubuntu不同版本的wheel包文件结构,我们发现:
- 在Ubuntu 23.04(Lunar)中,wheel包使用egg-info目录,pip虽然会遇到一些检测错误,但仍能继续安装到/usr/local/
- 在Ubuntu 23.10(Mantic)中,改为使用dist-info目录并包含RECORD文件,pip能够正确卸载系统包并安装新版本
- 在Ubuntu 24.04(Noble)中,dist-info目录中缺少了RECORD文件,导致pip无法完成卸载操作
PIP_BREAK_SYSTEM_PACKAGES机制
Python社区意识到了系统包和pip包之间的冲突问题,引入了PIP_BREAK_SYSTEM_PACKAGES环境变量。当设置为1时,pip会忽略对系统Python包的保护机制,允许覆盖系统安装的包。然而,在Ubuntu 24.04上,这个机制似乎没有完全生效。
解决方案
针对这个问题,有以下几种解决方案:
-
使用--ignore-installed参数:在pip install命令中添加--ignore-installed参数,强制pip忽略已安装的版本。这是最简单直接的解决方案。
-
手动删除系统包:在运行pip install之前,先手动删除系统安装的wheel包。
-
等待Ubuntu修复:已经向Ubuntu报告了这个问题,未来版本可能会修复这个打包问题。
最佳实践建议
对于使用Briefcase的开发者,建议:
-
如果需要在Ubuntu 24.04上构建,可以临时修改Briefcase的Dockerfile模板,添加--ignore-installed参数。
-
考虑在Docker构建环境中使用虚拟环境,完全隔离系统Python和项目Python环境。
-
关注Ubuntu的更新,当问题修复后及时更新系统。
总结
这个问题展示了Python生态系统与Linux发行版打包策略之间的微妙关系。作为开发者,理解这些底层机制有助于更好地解决构建过程中的各种问题。对于Briefcase用户来说,目前最简单的解决方案是在pip命令中添加--ignore-installed参数,而长期来看,这个问题可能会在Ubuntu的未来版本中得到修复。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00