在ARM64架构上使用cibuildwheel构建Python轮子的解决方案
cibuildwheel是Python生态中一个非常实用的工具,它能够自动化地为多个Python版本和操作系统构建轮子(wheel)文件。然而,当开发者尝试在ARM64架构的Linux自定义Runner上使用cibuildwheel时,可能会遇到一些特殊挑战。
问题背景
在ARM64架构的Linux系统上,GitHub Actions的setup-python@v5动作可能不可用。这是因为setup-python动作目前对ARM64架构的支持有限,特别是在自定义Runner环境中。这导致开发者无法直接使用cibuildwheel的GitHub Action版本。
解决方案
幸运的是,cibuildwheel不仅提供了GitHub Action版本,还可以通过PyPI直接安装使用。这意味着开发者可以绕过对setup-python动作的依赖,直接在Runner上安装并使用cibuildwheel。
具体实现步骤
-
安装cibuildwheel:可以通过pip或pipx直接安装cibuildwheel。如果系统已安装pipx,推荐使用pipx,因为它能提供更好的隔离环境。
-
修改工作流配置:将原本使用cibuildwheel Action的配置改为直接运行cibuildwheel命令。
-
环境变量配置:保持原有的环境变量设置不变,确保构建参数一致。
配置示例
原GitHub Actions配置:
- name: Build wheels
uses: pypa/cibuildwheel@v2.16.5
env:
CIBW_ARCHS: ${{ matrix.cibw_archs }}
# 其他环境变量...
修改后的配置:
- name: Build wheels
run: pipx run cibuildwheel==2.16.5
env:
CIBW_ARCHS: ${{ matrix.cibw_archs }}
# 其他环境变量保持不变...
最佳实践建议
-
使用TOML配置文件:cibuildwheel支持使用pyproject.toml文件来配置构建参数,这比在环境变量中设置更加清晰和易于维护。
-
版本固定:始终指定cibuildwheel的具体版本,以确保构建过程的可重复性。
-
环境隔离:使用pipx或虚拟环境来运行cibuildwheel,避免与系统Python环境的冲突。
技术原理
cibuildwheel的核心功能是通过隔离的构建环境为多个Python版本创建轮子文件。当作为PyPI包运行时,它会自动检测系统架构和可用的Python版本,无需依赖GitHub的特殊动作。在ARM64架构上,它会正确识别处理器类型并使用相应的构建工具链。
总结
对于使用ARM64架构Linux自定义Runner的开发者,直接通过PyPI安装cibuildwheel是解决setup-python动作不可用问题的理想方案。这种方法不仅解决了依赖问题,还提供了更大的灵活性和控制权。通过合理配置,开发者可以在各种架构上实现一致的构建体验。
kernelopenEuler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。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0127
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