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。
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 Notebook097
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