cibuildwheel项目中的Windows平台构建失败问题分析
在Python生态系统中,cibuildwheel是一个广泛使用的工具,用于跨平台构建Python轮子(wheel)。最近,一些用户在Windows amd64平台上遇到了构建失败的问题,错误信息显示distutils.msvc9compiler模块缺失。
问题现象
用户在Windows amd64平台上使用cibuildwheel构建Python 3.9的轮子时,遇到了以下错误:
File "C:\...\cffi\_shimmed_dist_utils.py", line 33, in <module>
from distutils.msvc9compiler import MSVCCompiler
ModuleNotFoundError: No module named 'distutils.msvc9compiler'
这个错误发生在构建过程中,特别是在准备元数据(pyproject.toml)的阶段。值得注意的是,相同的构建配置在一周前还能正常工作,这表明问题可能与依赖项的更新有关。
问题根源
经过分析,这个问题源于setuptools 74版本的更新。在这个版本中,setuptools移除了对distutils.msvc9compiler模块的支持。而cffi库(用于Python与C代码交互的库)仍然依赖这个模块,导致了兼容性问题。
解决方案
对于遇到此问题的用户,有以下几种解决方案:
- 限制setuptools版本:在项目的
pyproject.toml文件中,明确指定使用setuptools 74之前的版本。可以在build-system.requires部分添加如下限制:
[build-system]
requires = [
"setuptools<74",
# 其他构建依赖...
]
-
等待cffi更新:这个问题本质上是cffi库需要更新以适应setuptools的变更。可以关注cffi库的更新,待其发布兼容setuptools 74及以上版本的更新后,再升级依赖。
-
临时降级setuptools:在构建环境中临时安装setuptools 73或更早版本,但这不如第一种方案规范。
技术背景
这个问题反映了Python打包生态系统中的一个常见挑战——依赖项之间的版本兼容性。setuptools作为Python打包的基础工具,其重大更新往往会影响到依赖它的其他工具链组件。
distutils是Python标准库中一个较旧的打包工具,而setuptools是其增强版。随着Python打包生态的发展,许多distutils的功能正在被逐步淘汰或重构。msvc9compiler模块就是其中之一,它提供了与Microsoft Visual C++ 9.0编译器(随Visual Studio 2008提供)的集成支持。
最佳实践
为了避免类似问题,建议开发者:
- 在项目中明确指定关键构建依赖的版本范围
- 定期更新依赖项并测试构建过程
- 关注主要依赖项的更新日志,特别是涉及破坏性变更的版本
- 考虑使用依赖锁定文件(如pip的requirements.txt或Pipfile.lock)来确保构建环境的一致性
通过采取这些措施,可以最大限度地减少因依赖项更新导致的构建失败问题。
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。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00