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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00