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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00