了解 Meson#

构建 NumPy 依赖于以下工具,这些工具可以被认为是构建系统的一部分:

  • meson : Meson 构建系统,可以从 PyPI 或 conda-forge 安装为纯 Python 包

  • ninja : 由 Meson 调用的构建工具,用于执行实际构建(例如,调用编译器).也可以从 PyPI(在所有常见平台上)或 conda-forge 安装.

  • pkg-config : 用于发现依赖项的工具(特别是 BLAS/LAPACK).可在 conda-forge(以及 Homebrew,Chocolatey 和 Linux 包管理器)上获得,但未在 PyPI 上打包.

  • meson-python : Python 构建后端(即,通过 pyproject.toml 中的钩子被像 pip 或 pypa/build 这样的构建前端调用的东西).这是 Meson 之上的一个薄层,其主要作用是 (a) 与构建前端交互,以及 (b) 生成具有有效文件名和元数据的 sdists 和 wheels.

警告

截至 23 年 12 月,NumPy vendor 了自定义版本的 Meson,这对于上游 Meson 中尚未提供的 SIMD 和 BLAS/LAPACK 功能是必需的.因此,无法直接使用 meson 可执行文件.相反,无论指令说 meson xxx ,都请改用 python vendored-meson/meson/meson.py xxx .

使用 Meson 构建分为以下几个阶段:

  • 配置阶段 ( meson setup ) 以检测编译器,依赖项和构建选项,并创建构建目录和 build.ninja 文件,

  • 编译阶段 ( meson compile 或 ninja ),在此阶段编译作为已构建 NumPy 包一部分的扩展模块,

  • 安装阶段 ( meson install ),将源目录和构建目录中的可安装文件安装到目标安装目录,

Meson 具有良好的构建依赖跟踪系统,因此第二次调用构建将仅重建已更改任何源或依赖项的目标.

了解更多关于 Meson 的信息#

Meson 有 very good documentation ;阅读它是有益的,并且通常是"如何做 X"的最佳答案来源.此外,可以在 https://nibblestew.blogspot.com/2021/12/this-year-receive-gift-of-free-meson.html 免费获得一本关于 Meson 的广泛 pdf 书籍

要了解更多关于 Meson 使用的设计原则,请参阅 mesonbuild.com/Videos 中链接的近期讲座,这也是一个很好的资源.

构建阶段的说明#

这仅用于教学目的;应该不需要单独执行这些阶段!

假设我们从一个干净的 repo 和一个完全设置好的 conda 环境开始:

git clone git@github.com:numpy/numpy.git
git submodule update --init
mamba env create -f environment.yml
mamba activate numpy-dev

现在运行构建的配置阶段,并指示 Meson 将构建工件放在相对于 repo 根目录的 build/ 中,并将本地安装放在 build-install/ 下,执行:

meson setup build --prefix=$PWD/build-install

然后运行构建的编译阶段,执行:

ninja -C build

在上面的命令中, -C 后面跟的是构建目录的名称.您可以同时拥有多个构建目录.Meson 是完全异地的,因此这些构建不会相互干扰.例如,您可以在不同的目录中进行 GCC 构建,Clang 构建和调试构建.

然后将 NumPy 安装到前缀(此处为 build-install/ ,但请注意这只是我们在此处选择的任意名称):

meson install -C build

它将安装到 build-install/lib/python3.11/site-packages/numpy ,这不在您的 Python 路径中,因此要添加它,请执行(同样,这仅用于学习目的,显式使用 PYTHONPATH 通常不是最好的主意):

export PYTHONPATH=$PWD/build-install/lib/python3.11/site-packages/

现在我们应该能够导入 numpy 并运行测试.记住,我们需要从 repo 的根目录移出来,以确保我们选取的是已安装的包,而不是本地的 numpy/ 源代码目录:

cd doc
python -c "import numpy as np; np.test()"

以上运行的是 “fast” numpy 测试套件.其他运行测试的方法也应该有效,例如:

pytest --pyargs numpy

完整的测试套件应该可以通过,在 Linux 上没有任何构建警告(至少使用 CI 中强制执行 -Werror 的 GCC 版本),并且在其他平台上最多只有适量的警告.

On this page