Apache Kyuubi项目中PyHive与setuptools 72.0.0的兼容性问题分析
Apache Kyuubi是一个开源的分布式SQL引擎,它提供了JDBC/ODBC接口,使得用户可以通过标准的SQL接口来访问大数据平台。在Kyuubi的Python客户端实现中,PyHive是一个重要的依赖库,用于提供Python与Hive/Impala等服务的连接能力。
最近,随着setuptools 72.0.0版本的发布,PyHive库在安装过程中出现了兼容性问题。这个问题的根源在于PyHive仍然依赖于setuptools中已被废弃的test命令模块。setuptools 72.0.0版本彻底移除了这个长期被标记为废弃的功能,导致任何依赖该模块的包都无法正常安装。
具体来说,当用户尝试在setuptools 72.0.0环境下安装PyHive时,会遇到"ModuleNotFoundError: No module named 'setuptools.command.test'"的错误。这是因为PyHive的setup.py文件中仍然引用了这个已经不存在的模块。这个问题不仅影响PyHive,也影响了其他许多依赖setuptools test命令的Python包。
从技术角度来看,setuptools的test命令已经被废弃多年,现代Python项目通常使用专门的测试框架如pytest或unittest来执行测试。实际上,Kyuubi项目本身已经不再使用这个废弃的test命令,而是通过其他方式运行测试。
对于开发者来说,解决这个问题的方法相对直接:需要更新PyHive的setup.py文件,移除对setuptools.command.test的依赖。考虑到PyHive可能已经不再维护,Kyuubi项目也可以考虑以下几种解决方案:
- 暂时锁定setuptools版本在72.0.0以下
- 寻找PyHive的替代品或维护一个修复后的分支
- 完全移除对PyHive的依赖(如果项目不再需要)
这个问题提醒我们,在Python生态系统中,依赖管理是一个需要持续关注的方面。特别是对于长期维护的项目,定期检查并更新依赖关系是非常重要的,以避免类似的兼容性问题。同时,这也展示了开源生态系统中"依赖链"的脆弱性——一个底层库的更新可能会影响到许多上层应用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00