CRI-O项目在Fedora 41/Rawhide上的构建问题分析与解决方案
在Kubernetes容器运行时接口项目CRI-O的开发过程中,开发团队遇到了一个在Fedora 41/Rawhide系统上构建失败的技术问题。这个问题特别出现在使用Packit CI进行构建时,表现为链接阶段出现未定义符号的错误。
问题的核心症状是在构建过程中链接器报告多个未定义的符号引用,特别是与github.com/tetratelabs/wazero包相关的entrypoint和afterGoFunctionCallEntrypoint符号。这些符号是通过Go语言的go:linkname指令在Wazero项目的汇编代码中定义的,但在链接阶段却无法被正确解析。
深入分析这个问题,我们可以发现它实际上涉及多个技术层面的交互:
-
Go语言与系统链接器的交互:Go的链接器与系统原生链接器(如GNU ld)在处理符号时存在差异,特别是在使用
go:linkname这种低级特性时。 -
Fedora的安全强化机制:Fedora系统默认启用了
redhat-hardened-ld等安全强化选项,这些选项会对链接过程施加更严格的检查,包括对未定义符号的处理。 -
RPM构建环境特性:在RPM构建环境中,额外的构建标志和安全检查可能会影响最终的链接行为。
经过CRI-O维护团队的调查和社区贡献者的协助,最终确定了两种可行的解决方案:
-
修改RPM spec文件:通过在spec文件中添加
%global __golang_extldflags -Wl,-z,undefs选项,可以告诉链接器允许未定义的符号存在,这在插件加载等场景下是合理的。 -
使用版本化RPM包:Fedora社区已经转向为不同版本的CRI-O提供独立的RPM包(如cri-o1.32),这种版本化的打包方式解耦了操作系统版本与容器运行时版本之间的紧密依赖关系。
这个问题不仅揭示了Go语言与系统工具链交互时可能遇到的边界情况,也展示了开源社区如何协作解决跨领域的构建问题。对于使用类似技术栈的开发者来说,这个案例提供了宝贵的经验:
- 当遇到链接器报告未定义符号时,可以考虑是否是安全强化选项导致的
- 在RPM构建环境中,可以通过调整链接器标志来解决特定的构建问题
- 版本化的软件包管理策略可以提供更灵活的依赖管理
最终,通过社区成员的共同努力,这个问题得到了有效解决,确保了CRI-O在Fedora最新版本上的顺利构建和运行。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00