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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00