Conan包管理器中二进制包过滤机制的版本差异解析
背景概述
在软件包管理工具Conan的使用过程中,二进制包的上传与过滤是一个常见操作。许多团队会利用conan upload命令的--package-query参数来精确控制需要上传的二进制包。然而,随着Conan从1.x版本升级到2.x版本,这一功能的语法和行为发生了一些重要变化,这可能导致用户在迁移过程中遇到二进制包上传异常的问题。
Conan 1.x版本的包过滤机制
在Conan 1.x版本中,用户可以直接使用简单的布尔表达式来过滤需要上传的二进制包。典型的命令格式如下:
conan upload --package-query 'foo=False AND bar=False AND baz=None'
这种语法直观且易于理解,其中foo、bar和baz代表包的选项(option)。系统会直接解析这些选项名称,并根据它们的值来筛选符合条件的二进制包。
Conan 2.x版本的改进与变化
Conan 2.0对包过滤机制进行了重构,主要带来了以下重要变化:
-
显式命名空间:现在必须明确指出选项所属的命名空间,使用
options.前缀来区分选项和设置(settings)。正确的语法变为:conan upload --package-query 'options.foo=False AND options.bar=False AND options.baz=None' -
引入新的过滤方式:除了改进原有的
--package-query参数外,Conan 2.x还引入了更强大的conan list命令及其过滤参数:--filter-profile:允许直接使用profile文件进行过滤--filter-settings:专门针对settings进行过滤--filter-options:专门针对options进行过滤
-
更精确的过滤逻辑:新版本的过滤机制采用了更严格的类型检查和更精确的匹配算法,减少了误匹配的可能性。
迁移建议
对于从Conan 1.x迁移到2.x的用户,建议采取以下步骤:
- 检查所有使用
--package-query参数的脚本和自动化流程 - 为所有选项添加
options.前缀 - 考虑使用新的
conan list命令配合过滤参数,这通常能提供更好的性能和更直观的语法 - 测试验证过滤结果是否符合预期
实际应用示例
假设我们有一个包,其选项包括shared(布尔值)、optimize(布尔值)和version(字符串),在不同版本中的过滤方式对比如下:
Conan 1.x方式:
conan upload --package-query 'shared=False AND optimize=True AND version="1.2.3"'
Conan 2.x方式:
conan upload --package-query 'options.shared=False AND options.optimize=True AND options.version="1.2.3"'
Conan 2.x推荐方式:
conan list --filter-options "shared=False" --filter-options "optimize=True" --filter-options "version=1.2.3"
总结
Conan 2.x对包过滤机制的改进虽然带来了一定的迁移成本,但这些变化使得过滤语法更加明确和强大。通过理解这些差异并适当调整工作流程,用户可以更高效地管理二进制包的上传和分发。对于新项目,建议直接采用Conan 2.x推荐的conan list过滤方式,以获得最佳的使用体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00