FPM项目在Fedora 41上构建RPM包失败的解决方案分析
2025-05-20 00:49:50作者:吴年前Myrtle
问题背景
在Fedora 41系统上使用FPM工具构建RPM包时,用户遇到了构建失败的问题。错误信息显示rpmbuild无法找到预期的构建文件,具体表现为构建过程中无法正确识别buildroot路径。
问题现象
当用户在Fedora 41上执行FPM命令构建RPM包时,系统会报错提示文件未找到。错误路径显示为类似/tmp/package-rpm-build-.../BUILD/pkgname-build/BUILDROOT/...的格式,而实际上文件应该位于/tmp/package-rpm-build-.../BUILD目录下。
技术分析
经过深入分析,发现这是Fedora 41中rpmbuild行为变化导致的问题。在Fedora 40及更早版本中,通过--define buildroot参数可以正常工作,但在Fedora 41中,这个参数似乎不再生效。
关键差异点在于:
- Fedora 40及以下版本:rpmbuild会正确使用通过
--define指定的buildroot路径 - Fedora 41版本:rpmbuild会尝试使用
BUILD/pkgname-build/BUILDROOT作为构建根目录,导致文件查找失败
解决方案
临时解决方案是修改FPM的rpm.rb文件,将--define buildroot替换为--buildroot参数。虽然rpmbuild文档中标注--buildroot参数已弃用,但在Fedora 41中这是唯一可行的解决方案。
具体修改方法如下:
sed -i -e 's/args = \["rpmbuild", "-bb"\]/args = \["rpmbuild", "-bb", "--buildroot", "#{build_path}\/BUILD"\]/g' /usr/local/share/gems/gems/fpm-*/lib/fpm/package/rpm.rb
版本更新说明
值得注意的是,这个问题在FPM 1.16.0版本中已经得到修复。升级到最新版本可以避免手动修改代码的需要。对于仍在使用旧版本的用户,可以采用上述临时解决方案。
问题重现方法
为了帮助其他开发者验证此问题,可以使用以下Docker命令重现问题:
FROM quay.io/fedora/fedora:41
RUN dnf install -y gcc libffi-devel rpm-build ruby-devel
RUN gem install --no-document fpm
RUN mkdir -p /package-content && touch package-content/some-file
RUN fpm --verbose -a noarch -s dir -t rpm -n some-package -v 1.0.42 /package-content
总结
这个问题展示了Linux发行版升级可能带来的兼容性挑战。Fedora 41中rpmbuild工具行为的改变导致了FPM工具的不兼容。作为开发者,我们需要:
- 关注工具链的版本变化
- 及时更新依赖库和工具
- 对于关键构建工具,考虑在CI环境中固定特定版本
对于FPM用户来说,最简单的解决方案是升级到1.16.0或更高版本,以获得对Fedora 41的完整支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322