RVM 在 AlmaLinux/RHEL 8 上安装 Ruby 3.3 时 Psych 组件问题的解决方案
在 AlmaLinux 8 或 RHEL 8 系统上使用 RVM 安装 Ruby 3.3 版本时,开发者可能会遇到一个常见问题:Psych 组件无法正常加载。这个问题表现为运行 Ruby 程序或使用 gem 命令时出现"cannot load such file -- psych"的错误提示。
问题现象
当用户在 AlmaLinux 8 或 RHEL 8 系统上通过 RVM 安装 Ruby 3.3.x 版本后,尝试运行任何需要 Psych 组件的操作时,系统会抛出加载错误。典型的表现包括:
- 使用 gem 命令安装软件包时失败
- 直接运行
ruby -e "require 'psych'"命令时出现错误 - 使用 Bundler 等依赖 YAML 解析的工具时崩溃
问题根源
这个问题的根本原因在于 Ruby 3.3 版本不再内置 libyaml 的源代码,而是依赖于系统提供的 libyaml 开发库。在 RHEL 8 及其衍生发行版(如 AlmaLinux)中,libyaml-devel 软件包默认不在基础仓库中提供。
解决方案
要解决这个问题,需要执行以下步骤:
- 启用系统的附加软件仓库(PowerTools/CRB)
- 安装 libyaml-devel 开发包
- 重新安装 Ruby 3.3
具体操作如下:
1. 启用 PowerTools/CRB 仓库
以 root 用户身份执行:
dnf config-manager --set-enabled powertools # 对于 AlmaLinux/CentOS/RockyLinux
# 或者对于 RHEL 8:
dnf config-manager --set-enabled codeready-builder-for-rhel-8-x86_64-rpms
2. 安装 libyaml-devel
继续以 root 用户执行:
dnf install libyaml-devel
3. 重新安装 Ruby
切换回普通用户,执行:
rvm remove ruby-3.3
rvm install ruby-3.3.6
验证解决方案
安装完成后,可以通过以下命令验证问题是否已解决:
ruby -e "require 'psych'"
如果命令执行后没有输出任何错误信息,则表示 Psych 组件已能正常加载。
技术背景
Psych 是 Ruby 的 YAML 解析器实现,它依赖于 libyaml 库。从 Ruby 3.3 版本开始,Ruby 不再自带 libyaml 的源代码,而是完全依赖系统提供的 libyaml 开发包。这一变化导致在缺少 libyaml-devel 的系统上安装 Ruby 时,Psych 组件无法正确编译和安装。
RHEL 8 及其衍生发行版将 libyaml-devel 移到了 PowerTools/CRB 仓库中,这是为了减少基础系统的软件包数量。因此,在默认配置下,系统虽然安装了 libyaml 运行时库,但缺少开发头文件,导致 Ruby 无法正确编译 Psych 扩展。
总结
对于在 RHEL 8 系列发行版上使用 RVM 安装 Ruby 3.3 的用户,确保启用 PowerTools/CRB 仓库并安装 libyaml-devel 是必要的步骤。这一解决方案不仅适用于 AlmaLinux,也同样适用于 CentOS、RockyLinux 和 RHEL 本身。通过理解 Ruby 依赖关系的变化和系统仓库的管理策略,开发者可以更好地处理类似的环境配置问题。
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-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