mirrord项目在macOS上获取公共证书文件失败问题分析
问题背景
在macOS系统上使用mirrord工具执行Erlang/Elixir项目时,发现从3.106.0版本开始出现无法获取公共证书文件的问题。这个问题会导致任何SSL/TLS相关操作都无法正常工作。
问题表现
当尝试通过mirrord执行Elixir命令获取CA证书时,会出现如下错误:
:public_key.cacerts_get()
** (ArgumentError) construction of binary failed: segment 2 of type 'binary': expected a binary but got: [70, 97, 105, 108, 101, 100, 32, 116, 111, 32, 108, 111, 97, 100, 32, 99, 97, 99, 101, 114, 116, 115, 58, 32, ~c"operation failed with status 137"]
错误信息表明系统在尝试构建二进制数据时失败,无法正确加载CA证书。
技术分析
版本回溯
经过测试发现:
- 3.104.0版本可以正常工作
- 3.105.0版本开始出现问题
查看3.105.0版本的变更记录,发现该版本包含了对readlink shims的修改。考虑到大多数开发者会通过Homebrew安装OpenSSL,而Homebrew的OpenSSL通常是一个符号链接:
/opt/homebrew/opt/openssl@3@ -> ../Cellar/openssl@3/3.4.1
这种符号链接的处理方式变更可能是导致问题的原因。
macOS系统因素
在后续调查中发现,升级macOS系统可以解决此问题。推测可能是由于SIP(System Integrity Protection)的补丁缓存机制在不同版本间持续存在导致的兼容性问题。
解决方案
对于遇到此问题的用户,可以尝试以下解决方案:
-
升级macOS系统:这是最直接的解决方案,可以清除潜在的SIP缓存问题。
-
降级mirrord版本:如果暂时无法升级系统,可以回退到3.104.0版本。
-
手动指定证书路径:在Elixir/Erlang项目中手动配置证书路径,绕过自动获取机制。
技术建议
对于依赖SSL/TLS的Erlang/Elixir项目开发者,建议:
-
在项目中明确指定证书路径,而不是依赖系统自动发现机制。
-
考虑使用certifi等Erlang库来管理证书,提供更稳定的证书来源。
-
在容器化部署时,确保基础镜像中包含完整的证书链。
总结
这个问题展示了系统安全机制、工具链更新和语言运行时环境之间复杂的交互关系。作为开发者,理解这些底层机制有助于更快地诊断和解决类似问题。同时,这也提醒我们在依赖系统级功能时需要考虑更健壮的备选方案。
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