resolve#
用于经典求解器的低级 SAT 求解器包装器/接口。
有关高级 API，请参阅 conda.core.solver.Solver。
类#
函数#
|
|
|
排序键，用于强调具有更严格要求的软件包 |
属性#
- stdoutlog#
- Unsatisfiable#
- ResolvePackageNotFound#
- _sat_solvers#
- _get_sat_solver_cls(sat_solver_choice=SatSolverChoice.PYCOSAT)#
- exactness_and_number_of_deps(resolve_obj, ms)#
排序键，用于强调具有更严格要求的软件包。更严格意味着可以更多地减少缩减索引，因此我们希望在缩减索引时更早地考虑这些受约束更多的依赖项。
- class Resolve(index, processed=False, channels=())#
- __hash__()#
返回 hash(self)。
- default_filter(features=None, filter=None)#
- valid(spec_or_prec, filter, optional=True)#
测试软件包、MatchSpec 或两者列表是否具有可满足的依赖项，假设循环依赖项始终有效。
- 参数:
spec_or_prec -- 软件包记录、MatchSpec 或这些的可迭代对象。
filter -- (fkey,valid) 对的字典，用于考虑依赖项的子集，并消除重复搜索。
optional -- 如果为 True（默认），则在考虑有效性时不强制使用可选规范。如果为 False，则强制使用它们。
- 返回:
如果可以满足全套依赖项，则为 True；否则为 False。如果提供了过滤器并且 update 为 True，则将使用搜索结果更新它。
- valid2(spec_or_prec, filter_out, optional=True)#
- invalid_chains(spec, filter, optional=True)#
为无效规范构造一组“依赖链”。
依赖链是 MatchSpec 对象的元组，从请求的规范开始，沿着依赖树向下进行，在无法满足的规范处结束。
- 参数:
spec -- 软件包键或 MatchSpec
filter -- (prec, valid) 对的字典，在测试软件包有效性时使用。
- 返回:
元组的元组，如果 MatchSpec 有效，则为空。
- verify_specs(specs)#
执行快速验证，以确保规范和依赖项是合理的。
- 参数:
specs -- 要测试的字符串或 MatchSpec 对象的可迭代对象。
- 返回:
无，但是如果存在冲突，则会抛出错误。
请注意，这不会尝试解决循环依赖项。
- _classify_bad_deps(bad_deps, specs_to_add, history_specs, strict_channel_priority)#
- find_matches_with_strict(ms, strict_channel_priority)#
- find_conflicts(specs, specs_to_add=None, history_specs=None)#
- breadth_first_search_for_dep_graph(root_spec, target_name, dep_graph, num_targets=1)#
返回从 root_spec 到 target_name 的最短路径
- build_graph_of_deps(spec)#
- build_conflict_map(specs, specs_to_add=None, history_specs=None)#
通过尝试查找可能是冲突原因的常见依赖项，对冲突规范执行更深入的分析。
- 参数:
specs -- 要测试的字符串或 MatchSpec 对象的可迭代对象。
conflict. (假设规范)
- 返回:
错误依赖项的列表的列表
- 返回类型:
bad_deps
- 策略
如果我们在这里，我们知道规范存在冲突。这可能是因为：- 一个规范与另一个规范冲突；例如
['numpy 1.5*', 'numpy >=1.6']
- 一个规范与另一个规范的依赖项冲突；例如
['numpy 1.5*', 'scipy 0.12.0b1']
- 每个规范都依赖于相同的软件包，但方式不同；例如，
['A', 'B']，其中 A 依赖于 numpy 1.5，而 B 依赖于 numpy 1.6。
从技术上讲，如果我们将规范本身视为“依赖项”之一，则所有这三种情况都可以归结为最后一种情况。可能存在更复杂的冲突原因，但此代码仅考虑上述原因。
然后，此代码的目的是识别所有规范都依赖但方式不同的软件包（如上面的 numpy）。然后，我们识别导致这些软件包的依赖链。
- _get_strict_channel(package_name)#
- _broader(ms, specs_by_name)#
防止引入拓宽我们选择范围的匹配规范。
- _get_package_pool(specs)#
- get_reduced_index(explicit_specs, sort_by_exactness=True, exit_on_conflict=False)#
- match_any(mss, prec)#
- find_matches(spec: conda.models.match_spec.MatchSpec) tuple[conda.models.records.PackageRecord]#
- ms_depends(prec: conda.models.records.PackageRecord) list[conda.models.match_spec.MatchSpec]#
- version_key(prec, vtype=None)#
- static _make_channel_priorities(channels)#
- get_pkgs(ms, emptyok=False)#
- static to_sat_name(val)#
- static to_feature_metric_id(prec_dist_str, feat)#
- push_MatchSpec(C, spec)#
- gen_clauses()#
- generate_spec_constraints(C, specs)#
- generate_feature_count(C)#
- generate_update_count(C, specs)#
- generate_feature_metric(C)#
- generate_removal_count(C, specs)#
- generate_install_count(C, specs)#
- generate_package_count(C, missing)#
- generate_version_metrics(C, specs, include0=False)#
- dependency_sort(must_have: dict[str, conda.models.records.PackageRecord]) list[conda.models.records.PackageRecord]#
- environment_is_consistent(installed)#
- get_conflicting_specs(specs, explicit_specs)#
- bad_installed(installed, new_specs)#
- restore_bad(pkgs, preserve)#
- install_specs(specs, installed, update_deps=True)#
- install(specs, installed=None, update_deps=True, returnall=False)#
- remove_specs(specs, installed)#
- remove(specs, installed)#
- solve(specs: list, returnall: bool = False, _remove=False, specs_to_add=None, history_specs=None, should_retry_solve=False) list[conda.models.records.PackageRecord]#