Rsyslog项目中DTLS模块编译安装问题分析与解决方案
问题背景
在Rsyslog 8.2402.0版本中,当启用DTLS(Datagram Transport Layer Security)支持进行编译时,会遇到一个特定的安装失败问题。该问题表现为在make install阶段出现链接错误,提示找不到-llmnsd_ossl库文件。
问题现象
当使用以下配置选项编译Rsyslog时:
./configure --enable-imdtls --enable-omdtls --enable-openssl
编译过程(make)虽然会显示警告,但能够成功完成:
*** Warning: Linking the shared library imdtls.la against the loadable module
*** lmnsd_ossl.so is not portable!
然而,在执行安装阶段(make install)时,会出现致命错误:
/usr/bin/ld: cannot find -llmnsd_ossl: No such file or directory
collect2: error: ld returned 1 exit status
libtool: error: error: relink 'imdtls.la' with the above command before installing it
问题分析
通过检查生成的共享库文件,可以发现imdtls.so和omdtls.so都动态链接了lmnsd_ossl.so:
Dynamic Section:
NEEDED libssl.so.3
NEEDED libcrypto.so.3
NEEDED lmnsd_ossl.so
NEEDED libc.so.6
问题的根源在于:
-
构建系统配置:当前Makefile配置使用libtool的
.la文件来引用lmnsd_ossl模块,这在构建阶段可以工作,但在安装阶段的重新链接(re-link)过程中会失败。 -
库搜索路径:安装过程中,构建系统无法找到
lmnsd_ossl库文件的确切位置,因为相关路径没有正确设置。 -
运行时依赖:即使安装成功,生成的DTLS模块在运行时也需要能够找到
lmnsd_ossl.so。
解决方案
经过社区讨论和测试,提出了以下有效的解决方案:
- 修改Makefile.am文件:调整链接器标志,直接指定库文件路径和使用相对路径的运行时搜索路径。
对于plugins/imdtls/Makefile.am的修改:
imdtls_la_LDFLAGS = -module -avoid-version -L../../runtime/.libs -l:lmnsd_ossl.so -Wl,-R,'$$ORIGIN/'
imdtls_la_LIBADD = $(OPENSSL_LIBS)
对于plugins/omdtls/Makefile.am的类似修改:
omdtls_la_LDFLAGS = -module -avoid-version -L../../runtime/.libs -l:lmnsd_ossl.so -Wl,-R,'$$ORIGIN/'
omdtls_la_LIBADD = $(OPENSSL_LIBS)
-
关键修改点说明:
-L../../runtime/.libs:明确指定构建时库文件的搜索路径-l:lmnsd_ossl.so:直接链接到具体的库文件名-Wl,-R,'$$ORIGIN/':设置运行时库搜索路径为模块所在目录- 从
LIBADD中移除lmnsd_ossl.la引用
-
修改后流程:
- 应用上述补丁
- 运行
autoreconf -i重新生成配置脚本 - 重新运行
./configure和make过程
技术背景
DTLS模块是Rsyslog中提供基于UDP的加密传输支持的组件,它依赖于OpenSSL库实现加密功能。在Rsyslog的架构中:
-
网络流驱动:
lmnsd_ossl是Rsyslog的网络流驱动模块,提供了基于OpenSSL的网络通信基础功能。 -
模块化设计:DTLS输入(
imdtls)和输出(omdtls)模块都共享使用lmnsd_ossl中的功能,避免代码重复。 -
构建系统:Rsyslog使用GNU Autotools作为构建系统,通过
Makefile.am定义模块构建规则。
注意事项
-
该问题主要影响使用
DESTDIR进行安装的场景,如软件包构建过程。 -
解决方案确保了模块在构建时和运行时都能正确找到依赖的库文件。
-
修改后的配置也解决了原始配置中libtool指出的"not portable"警告问题。
结论
通过对Rsyslog DTLS模块构建配置的调整,解决了安装过程中库文件找不到的问题。这一修改不仅解决了构建失败的问题,还改善了模块的构建方式,使其更加健壮和可移植。对于需要在生产环境中使用Rsyslog DTLS功能的用户,应用此解决方案可以确保模块的正确构建和安装。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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