Bottlerocket项目构建系统迁移至核心工具包后的仓库创建问题解析
Bottlerocket操作系统团队近期将项目架构迁移至bottlerocket-core-kit核心工具包,这一架构变更在开发分支(develop)上已经实施。然而,这一迁移过程中出现了一个影响开发者工作流的关键问题:当用户尝试使用cargo make repo命令创建TUF仓库时,构建系统会失败。
问题现象
在aarch64架构下,当开发者执行以下命令尝试为特定变体(如aws-k8s-1.29)创建仓库时:
cargo make -e ARCH=aarch64 -e BUILDSYS_VARIANT=aws-k8s-1.29 repo
系统会报错,提示无法找到波浪发布策略文件(default-waves.toml)。错误信息显示构建系统仍在尝试从旧的路径sources/updater/waves/下寻找该文件,而实际上该文件在新架构下的位置已经变更。
技术背景
Bottlerocket使用波浪发布策略(wave policy)来控制更新的推送节奏。这个策略文件定义了不同批次设备接收更新的时间偏移量。在旧版架构中,该文件位于sources/updater/waves/目录下,而迁移至bottlerocket-core-kit后,其位置发生了变化。
解决方案
开发团队已经在新版Twoliter工具(v0.4.2)中修复了这个问题。对于希望立即测试修复效果的开发者,可以采取以下步骤:
- 在bottlerocket-core-kit仓库中,修改Makefile,将TWOLITER_VERSION设置为0.4.2
- 在变体仓库中,修改Makefile.toml:
- 更新TWOLITER_VERSION为v0.4.2
- 调整波浪策略路径为:
${BUILDSYS_BUILD_DIR}/tools/waves/default-waves.toml
完成这些修改后,开发者应该能够正常执行构建和仓库创建操作。
项目规划
值得注意的是,当前稳定版本(1.20.3)仍保持旧有架构。开发团队计划在下一个次要版本(1.21.0)中正式采用基于bottlerocket-core-kit的新架构。在过渡期间,团队保留了1.20.x分支以继续提供稳定版本,同时在新架构上解决各类兼容性问题。
开发者建议
对于正在使用Bottlerocket开发分支的开发者,如果遇到其他与新架构相关的问题,建议及时向项目团队反馈。架构迁移过程中可能会出现各种意料之外的兼容性问题,早期发现和报告有助于团队更快地完善新架构。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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