CGAL项目中关于CMake策略CMP0167的兼容性处理
2025-06-07 08:38:53作者:邵娇湘
背景介绍
在构建基于CGAL(计算几何算法库)的项目时,开发者可能会遇到一个与CMake相关的警告信息,提示"Policy CMP0167 is not set: The FindBoost module is removed"。这个警告出现在使用CGAL 6.0.1版本时,特别是在Ubuntu 25.4系统环境下。
问题本质
这个警告源于CMake 3.30版本引入的一项新策略(CMP0167),该策略改变了CMake查找Boost库的方式。传统上,CMake通过自带的FindBoost模块来定位Boost库,但随着Boost 1.70及以上版本开始提供原生的BoostConfig.cmake配置文件,CMake决定逐步淘汰其内置的FindBoost模块。
技术细节
CMake策略CMP0167的核心变化是:
- OLD行为(默认):继续使用CMake自带的FindBoost模块
- NEW行为:直接使用Boost上游提供的BoostConfig.cmake配置文件
在CGAL 6.0.1版本中,相关代码仍然依赖于旧的查找机制,因此当使用较新版本的CMake时会产生兼容性警告。这个警告虽然不会立即导致构建失败,但表明代码可能需要更新以适应未来的CMake版本。
解决方案
CGAL开发团队已经意识到这个问题,并在后续版本中提供了修复方案。具体来说:
- 在CGAL的GitHub仓库中已经有一个专门的补丁(#8273)解决了这个问题
- 这个修复将被包含在即将发布的CGAL 6.1版本中
对于需要使用CGAL 6.0.1的开发者,可以临时在CMakeLists.txt中添加以下代码来消除警告并确保兼容性:
if(POLICY CMP0167)
cmake_policy(SET CMP0167 NEW)
endif()
技术意义
这个变更反映了现代CMake的一个发展趋势:鼓励使用软件包自身提供的配置文件(config)而非CMake内置的查找模块(Find模块)。这种转变有几个优势:
- 版本管理更精确,由软件包自身维护配置信息
- 减少了CMake核心维护者的负担
- 提供了更一致的包管理体验
最佳实践建议
对于CGAL用户和开发者,建议:
- 关注CGAL的版本更新,尽快升级到包含修复的版本
- 在项目CMake配置中明确指定Boost查找方式,如使用
find_package(Boost CONFIG) - 定期检查CMake策略警告,及时处理兼容性问题
通过理解这些底层构建系统的变化,开发者可以更好地维护项目的长期可持续性,确保构建过程在未来CMake版本中仍然能够正常工作。
登录后查看全文
热门项目推荐
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
最新内容推荐
MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869