Conan项目中的共享库依赖部署最佳实践
2025-05-26 04:32:30作者:鲍丁臣Ursa
概述
在基于Conan的C/C++项目构建过程中,如何处理共享库(SO)依赖的部署是一个常见问题。特别是当多个可执行文件共享同一个第三方库时,如何优雅地管理这些共享依赖项的部署流程值得深入探讨。
典型场景分析
在实际开发中,我们经常会遇到以下架构:
- 一个核心的第三方供应商库(Vendor Library)
- 多个依赖该库的可执行文件
- 供应商库本身可能还依赖其他基础库
这种架构的特点是:
- 供应商库更新频率低(可能每年仅更新1-2次)
- 可执行文件迭代速度快,需要频繁部署
- 共享库需要独立于可执行文件进行部署
传统部署方式的局限性
常见的做法是在构建可执行文件时使用runtime_deploy等部署器,但这会导致:
- 每次部署可执行文件都会重复部署共享库
- 无法实现共享库的独立版本管理
- 部署流程不够清晰和模块化
Conan提供的解决方案
1. 独立部署供应商库
通过Conan的install命令配合--requires参数,可以直接部署指定的包及其依赖:
conan install --requires=vendorlib/1.0 --deployer=direct_deploy
这种方式会:
- 仅部署指定的供应商库及其所有依赖项
- 将库文件输出到指定目录(如direct_deploy/vendorlib/lib/)
- 不影响后续可执行文件的独立部署
2. 自定义部署方法
对于更复杂的需求,可以在包的配方中实现deploy()方法:
def deploy(self):
self.copy("*.so", dst="lib", src="lib")
self.copy("*.h", dst="include", src="include")
这种方法允许:
- 完全控制部署的文件和目录结构
- 实现特定于包的部署逻辑
- 保持部署过程与构建过程解耦
3. 使用自定义部署器
创建专门的部署器可以实现:
- 统一的部署策略
- 复杂的文件过滤和重定向
- 跨团队的部署规范共享
最佳实践建议
- 分层部署:将稳定的供应商库与频繁变更的可执行文件分开部署
- 版本控制:为每个部署的库保留版本信息,便于追踪
- 环境隔离:为不同环境(开发、测试、生产)配置不同的部署策略
- 自动化集成:将部署流程集成到CI/CD管道中
实施示例
假设我们有一个供应商库myvendor/1.2.3,部署流程可以是:
- 首先部署供应商库:
conan install --requires=myvendor/1.2.3 --deployer=full_deploy -g deploy
- 然后部署可执行文件(不包含已部署的共享库):
conan install --requires=myapp/1.0 --deployer=app_only
通过这种分层部署方式,可以实现:
- 共享库的单一部署和集中管理
- 可执行文件的快速迭代和独立更新
- 整体部署过程的清晰和可控
总结
在Conan项目中合理规划共享库的部署策略,能够显著提高构建和部署效率。关键在于理解Conan提供的各种部署机制,并根据项目特点选择最适合的组合方案。通过分离共享库和可执行文件的部署生命周期,可以实现更灵活、更可靠的持续交付流程。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0172
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook098
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
750
4.87 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.58 K
172
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
841
1.84 K
Ascend Extension for PyTorch
Python
690
834
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
234
98
openEuler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。
C
451
419
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++
1.02 K
1.04 K
暂无简介
Dart
998
259
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
642
1.27 K