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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00