Sunshine项目在Fedora 40上构建RPM包的问题分析与解决方案
问题背景
Sunshine是一款开源的远程桌面软件,在Fedora 40系统上从源代码构建时,用户遇到了生成RPM包失败的问题。具体表现为在执行cpack命令生成RPM包时,系统报错"File must begin with /: sunshine",导致RPM包构建过程中断。
问题现象分析
当用户在Fedora 40系统上按照标准构建流程操作时:
- 创建构建目录并运行CMake配置
- 使用Ninja进行编译
- 尝试使用CPack生成RPM包
在最后一步生成RPM包时,系统会抛出以下关键错误信息:
error: File must begin with "/": sunshine
File must begin with "/": sunshine
这个错误表明RPM打包过程中遇到了路径格式问题。RPM规范要求所有文件路径都必须以根目录"/"开头,而当前打包过程中似乎有文件路径不符合这一要求。
根本原因
经过深入分析,这个问题可能由以下几个因素导致:
-
CPack配置问题:Sunshine项目的CPack配置可能没有正确处理文件路径,导致生成的spec文件中包含不符合RPM规范的路径格式。
-
构建脚本执行顺序:用户可能没有使用项目提供的专用构建脚本,而是手动执行构建步骤,缺少了一些必要的配置参数。
-
系统环境差异:在标准Fedora 40系统和容器环境中的行为不一致,表明可能存在环境配置差异。
解决方案
推荐解决方案
-
使用项目提供的构建脚本: Sunshine项目已经提供了专用的Linux构建脚本(linux_build.sh),这个脚本包含了所有必要的构建步骤和配置参数。
-
修复sudo权限问题: 最新版本的构建脚本已经修复了sudo权限相关问题,确保在需要特权操作时能够正确提示用户输入密码。
-
完整构建流程:
git clone https://github.com/lizardbyte/sunshine.git --recurse-submodules cd sunshine chmod +x scripts/linux_build.sh ./scripts/linux_build.sh
替代方案
如果仍然希望手动构建,可以尝试以下方法:
-
添加必要的CMake参数: 在配置阶段添加特定的CPack参数,确保生成的RPM包符合规范。
-
检查文件安装路径: 确保所有要打包的文件都使用绝对路径(以/开头)。
技术细节
在RPM打包过程中,有几个关键点需要注意:
-
文件路径规范:所有包含在RPM中的文件都必须使用绝对路径,这是RPM打包系统的基本要求。
-
构建环境隔离:在容器环境中构建成功而在主机环境中失败,通常表明主机环境缺少某些依赖或配置。
-
CPack配置:Sunshine项目使用CMake的CPack模块进行打包,需要正确设置CPACK_RPM_*系列变量来控制RPM包的生成。
最佳实践建议
-
优先使用项目提供的构建脚本:这些脚本已经过充分测试,包含了所有必要的构建步骤和环境检查。
-
在干净环境中测试:如果遇到问题,可以尝试在容器或虚拟机等隔离环境中进行构建,以排除系统环境的影响。
-
检查依赖完整性:确保所有构建依赖和运行时依赖都已正确安装,特别是开发工具包和库文件。
-
查看详细日志:当构建失败时,检查详细的构建日志(如rpmbuildsunshine.out和rpmbuildsunshine.err)可以获取更多问题线索。
通过以上分析和解决方案,用户应该能够在Fedora 40系统上成功构建Sunshine的RPM包。如果问题仍然存在,建议检查具体的错误日志并对照RPM打包规范进行进一步排查。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00