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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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