TigerVNC编译时xserver211.patch缺失问题的分析与解决
问题背景
在Rocky Linux 9系统上编译TigerVNC 1.14.0版本时,构建过程会报错提示找不到xserver211.patch文件。这个问题源于Xorg服务器版本号命名规则的变更与TigerVNC构建脚本之间的不兼容性。
问题分析
TigerVNC的构建脚本会根据已安装的Xorg服务器版本自动选择对应的补丁文件。在传统的Xorg版本命名中(如1.20.x),构建脚本会提取主版本号和次版本号(1和20)组合成"120"来匹配补丁文件名(xserver120.patch)。
然而,Xorg从21.1.x版本开始改变了版本号命名规则,直接使用"21"作为主版本号,不再使用"1.21"的格式。这导致构建脚本生成的补丁文件名(xserver211.patch)与实际存在的补丁文件(xserver21.patch)不匹配。
解决方案
针对这个问题,有两种可行的解决方法:
-
使用系统默认的Xorg版本
最简单的解决方案是使用Rocky Linux 9官方仓库提供的Xorg服务器版本,这些版本与TigerVNC构建脚本完全兼容。 -
修改构建脚本适配新版本
如果需要使用新版Xorg服务器,可以修改TigerVNC的spec文件中的版本检测逻辑。将原来的:xserver_patch="../xserver$(rpm -q --qf '%%{VERSION}' xorg-x11-server-source | awk -F. '{ print $1 $2 }').patch"修改为:
xserver_patch="../xserver$(rpm -q --qf '%%{VERSION}' xorg-x11-server-source | awk -F. '{ print $1 $2 }' | cut -c1-2).patch"这样修改后,脚本只会提取版本号的前两位数字,对于21.1.x版本的Xorg服务器会正确生成xserver21.patch的文件名。
技术细节
Xorg服务器的版本号变更反映了该项目的发展历程。传统版本号(1.20.x)遵循了长期使用的版本规则,而从21.1.x开始采用了新的简化版本号方案。这种变更虽然使版本号更加简洁,但也导致了与一些依赖版本号检测的构建系统(如TigerVNC)的兼容性问题。
TigerVNC作为Xorg服务器的远程桌面实现,需要针对不同版本的Xorg服务器应用特定的补丁。这些补丁通常包含了对Xorg服务器核心功能的修改,以实现远程桌面功能。因此,正确匹配补丁文件对TigerVNC的构建至关重要。
未来展望
随着Xorg服务器新版本逐渐成为各Linux发行版的标准配置,TigerVNC项目维护者将会更新构建脚本以适应新的版本号规则。在官方更新之前,用户可以采用上述解决方案之一来成功构建TigerVNC。
对于开发者而言,这个问题也提醒我们在设计版本号检测逻辑时,需要考虑项目可能发生的版本号规则变更,使构建系统更具弹性和前瞻性。
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