Apache Kyuubi项目中PyHive与setuptools 72.0.0的兼容性问题分析
问题背景
在Apache Kyuubi项目的Python客户端依赖中,PyHive作为重要的Hive连接库,近期被发现与最新版本的setuptools存在兼容性问题。具体表现为当用户环境中的setuptools升级到72.0.0版本后,PyHive的安装过程会失败。
问题根源
这个问题的本质在于PyHive仍然依赖setuptools中已被废弃的test命令模块。setuptools在72.0.0版本中移除了这个长期被标记为废弃的功能,这是Python打包生态系统现代化进程的一部分。PyHive的setup.py文件中引用了setuptools.command.test模块,导致在新的setuptools版本下无法正常构建。
技术细节
setuptools作为Python生态中最重要的打包工具之一,其72.0.0版本移除了多个已废弃的功能,其中就包括传统的测试命令实现。这个变更影响了大量仍在使用旧式测试命令的Python包。
在PyHive的具体实现中,项目可能继承了setuptools的TestCommand来定义自定义测试流程,或者直接引用了该模块。当setuptools 72.0.0不再提供这个模块时,Python的导入机制就会抛出ModuleNotFoundError,导致包安装过程失败。
影响范围
这个问题会影响所有使用PyHive且setuptools版本≥72.0.0的环境。值得注意的是,PyHive实际上已经不再使用这个测试命令功能,这意味着移除相关依赖不会影响实际功能。
解决方案
解决这个问题有两种主要途径:
-
降级setuptools:临时将setuptools降级到71.x或更早版本
pip install "setuptools<72.0.0" -
修复PyHive:更彻底的解决方案是更新PyHive的构建配置,移除对废弃test命令的依赖。这需要修改setup.py文件,删除相关导入和使用。
最佳实践建议
对于依赖PyHive的项目,建议采取以下措施:
- 在项目文档中明确setuptools版本要求
- 考虑在CI/CD流程中固定setuptools版本
- 推动PyHive上游修复这个问题
总结
这个案例展示了Python生态系统中依赖管理的重要性。随着核心工具的不断演进,项目需要定期更新构建配置以适应这些变化。对于Apache Kyuubi这样的项目来说,保持依赖的现代性和兼容性是确保用户体验的关键因素。
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。C094
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.Python058
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