打包 Python RPM
本篇文章给大家分享《打包 Python RPM》,覆盖了文章的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。

最近,我正在为 Red Hat 工作的当前项目中执行一项非常具体的任务,即 RHEL Lightspeed
ShellAI,这个项目相对较新,但我们想开始发货
开发 RPM,让我们的 QE 朋友开始使用该工具并在他们的管道中进行测试。
我知道包装和一般Python东西的方法,但是伙计,我必须告诉你,这个包装任务花了我两个时间
一整天都可以度过。让我快速引导您完成任务的详细信息。
TLDR;最终一切顺利,这就是最终的 PR:https://github.com/rhel-lightspeed/shellai/pull/4
任务详情
命令行助手项目计划在 RHEL 9 和即将推出的 RHEL 10 下发布。
根据上面的陈述,如果您之前已经使用过 RHEL,那么您已经猜到挑战将是
RHEL 中依赖项的版本。
- RHEL 9 有 Python 3.9
- 最后,RHEL 10 有 Python 3.12
我们还希望相对频繁地进行开发构建,以便在我们进行测试时测试新功能
开发工具。
对于开发部分,我们希望使用 pdm 来管理我们的依赖项
构建。当我们完成任务时,我们注意到 pdm 后端未在 RHEL 存储库中提供,因此我们
使用默认的 setuptools 构建后端。
由于我们的系统目标“相对较新”,我们希望使项目现代化并确保我们正在使用
新的工具/结构和格式。为此,我们选择使用 pyproject.toml,因为它是通过 pdm init 生成的
当我们启动该项目时。
构建 RPM 时遇到的问题
最初,我们的想法是使用最新的 python 功能和项目结构,例如 pyproject.toml 文件
而不是旧的 setup.py。当你开始一个新项目时,一切都很酷而且很新,你会很兴奋地使用
那个东西,唯一的问题是:
- 它们非常适合开发过程,但不适合打包。
最初,当我开始任务时,我认为我们可以使用新的 RPM 宏来构建项目,因为我们
使用 pyproject.toml 和 pdm 来管理依赖项。
为此,Fedora 文档有一篇不错的文章,名为 Python Packaging
详细指导方针。当导游
几乎涵盖了您可能需要的所有主题和案例,甚至还有示例
规格文件。
由于我们的主要目标是 RHEL,我们可以想象遵循指南中的所有内容都可以按原样工作,对吗?没有。
其原因在于 RHEL 存储库中提供的版本。即使新的宏指向
该指南可能在构建期间起作用,您将无法在以下目标中生成最终 RPM:
- RHEL 9 将能够完成大部分步骤,但会失败 %pyproject_wheel,因为它将构建一个包 名字未知。发生这种情况是因为(再次)RHEL 9 下提供的 python3-setuptools 很旧。它 无法识别 pyproject.toml 规范生成的大部分元数据。
解决方案
我们必须创造遗产
setup.py 文件以便
Python 轮构建的进展,并避免 pyproject.toml 和我们的旧版本之间的数据重复
setup.py 文件中,我们使用了 tomllib,因为以下原因:
- Python 3.11 之后,tomllib 原生捆绑到标准库中
正如您在上面所看到的,我们使用 tomllib 加载 pyproject.toml 文件并读取必要的字段,然后简单
更新我们的旧版 setup.py。这样,我们就可以修改 pyproject.toml,并且每当我们推送新版本时,我们都会
也能够在我们的旧版 setup.py 中保持一致性。
关于specfile,我们不得不返回并使用文档中所谓的“201x-era”Python 打包
指导方针。本质上,我们正在使用好的
旧的 python setup.py build ... 命令(显然是通过宏)来构建项目。
该解决方案使我们能够在我们想要支持的 RHEL 版本之间保持一致性,同时保持
使用 pdm 和我们希望开发的闪亮新功能。
今天关于《打包 Python RPM》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
Laravel和TP框架条件查询有何区别?
- 上一篇
- Laravel和TP框架条件查询有何区别?
- 下一篇
- Go执行Docker构建时出现git ls-remote错误,如何解决?
-
- 文章 · python教程 | 56分钟前 | 性能优化 · Python教程 · Python 进程间通信 pickle multiprocessing SharedMemory
- multiprocessing 传输大对象为何变慢,如何减少序列化
- 478浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · Python import很慢 -X importtime 模块级副作用 延迟导入 Python启动优化
- Python import 很慢怎么分析:模块级副作用与延迟导入
- 292浏览 收藏
-
- 文章 · python教程 | 21小时前 | python · 异步编程 · Python asyncio contextvars request_id
- contextvars 在异步请求链中传递追踪信息
- 393浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发 · 异常处理 · python · asyncio · CancelledError 结构化并发 ExceptionGroup Python asyncio TaskGroup asyncio gather
- asyncio TaskGroup 让并发任务在首错时一起收敛
- 246浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python 3.14 自由线程程序怎样显式保护共享状态
- 337浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python Traversable importlib.resources 包内资源
- Python importlib.resources Traversable 怎么读取包内目录
- 359浏览 收藏
-
- 文章 · python教程 | 1天前 | 时区 · python · Python zoneinfo reset_tzpath TZPATH 自定义时区库 ZoneInfo缓存
- Python zoneinfo.reset_tzpath 怎么切换自定义时区库
- 176浏览 收藏
-
- 文章 · python教程 | 1天前 | Python教程 · Python 并行执行 全局状态 InterpreterPoolExecutor
- Python InterpreterPoolExecutor 怎么隔离不同任务的全局状态
- 130浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 375次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 445次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 452次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 398次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 224次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

