CPM.cmake项目应对CMake 3.30 FetchContent_Populate弃用警告的解决方案
2025-06-24 10:07:31作者:范垣楠Rhoda
随着CMake 3.30版本的发布,开发团队对FetchContent模块进行了重要更新,其中最显著的变化是弃用了FetchContent_Populate()命令,转而推荐使用FetchContent_MakeAvailable()。这一变更直接影响到了依赖FetchContent的CPM.cmake项目,引发了开发者的广泛关注。
问题背景
在CMake 3.30中,当开发者使用FetchContent_Populate()命令时,会收到如下警告信息:
CMake Warning (dev) at .../FetchContent.cmake:1953 (message):
Calling FetchContent_Populate(MY_PACKAGE_NAME) is deprecated, call
FetchContent_MakeAvailable(MY_PACKAGE_NAME) instead. Policy CMP0169 can be set to OLD
to allow FetchContent_Populate(MY_PACKAGE_NAME) to be called directly for now, but the
ability to call it with declared details will be removed completely in a
future version.
这一变更反映了CMake团队对包管理流程的优化方向,FetchContent_MakeAvailable()提供了更简洁、更安全的依赖管理方式。
CPM.cmake的应对方案
CPM.cmake团队迅速响应了这一变更,在0.40.1版本中完成了兼容性更新。主要改进包括:
- 全面替换
FetchContent_Populate()为FetchContent_MakeAvailable() - 确保向后兼容性,不影响现有项目构建
- 针对特殊用例(如DOWNLOAD_ONLY模式)提供了额外处理
开发者注意事项
对于使用CPM.cmake的开发者,需要注意以下几点:
- 版本更新:确保使用CPM.cmake 0.40.1或更高版本,旧版本仍会触发警告
- 自动更新机制:部分项目可能通过get_cpm.cmake脚本获取CPM,需确认该脚本是否指向最新版本
- 特殊用例处理:对于仅下载不构建的依赖项(DOWNLOAD_ONLY),目前仍会显示警告,这是已知问题
最佳实践建议
- 定期更新项目中的CPM.cmake版本
- 检查CMakeLists.txt中的依赖声明方式
- 对于复杂项目,考虑设置明确的CMP0169策略
- 关注CMake和CPM.cmake的未来更新,及时调整构建配置
技术影响分析
这一变更不仅仅是API的表面修改,它反映了现代CMake项目管理理念的演进:
- 简化流程:
MakeAvailable整合了下载、配置和添加子项目等多个步骤 - 增强安全性:新的API提供了更好的依赖隔离和冲突处理机制
- 未来兼容:为CMake未来的依赖管理系统演进奠定了基础
结论
CMake 3.30的这一变更虽然带来了短暂的兼容性挑战,但从长远看将提升项目的可维护性和构建可靠性。CPM.cmake团队已经提供了完善的解决方案,开发者只需确保使用最新版本即可平滑过渡。随着构建工具链的不断演进,保持依赖管理工具的更新将成为现代C++开发的重要实践。
登录后查看全文
热门项目推荐
相关项目推荐
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
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 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137