FabricMC项目中Maven仓库SHA1校验失败问题解析
2025-06-30 06:40:12作者:龚格成
问题背景
在FabricMC生态系统中,开发者使用Bazel构建工具时遇到了一个特殊问题:当从Fabric的Maven仓库下载依赖包时,出现了SHA1校验和(checksum)不匹配的错误。这个问题特别出现在Fabric API的某些版本中,导致构建过程失败。
问题现象
具体表现为,当Bazel尝试从Fabric的Maven仓库下载如fabric-loot-api-v2等组件时,系统报告的SHA1校验和与文件实际的校验和不一致。例如:
- 预期SHA1: 11be9e015c8e28dbfab7f5622c553e88d2102a2a
- 实际SHA1: 54f99ac79ad60e5422680f3a1dfd265722938adb
更奇怪的是,开发者发现通过不同方式访问同一URL(仅URL编码方式不同)会下载到内容不同的文件。
根本原因
经过分析,问题根源在于Fabric的发布流程:
- JAR文件重新签名:当Fabric发布新版本时,系统会对之前版本的JAR文件重新进行签名
- 签名不可重现性:数字签名过程本身具有不可重现性,每次签名都会产生不同的结果
- Maven仓库覆盖:新签名版本会覆盖Maven仓库中原有的文件,但校验和文件可能未同步更新
这种机制在Gradle等构建工具中不会造成问题,因为它们直接使用Maven提供的哈希值。但对于Bazel这样严格校验下载内容的工具,就会导致构建失败。
解决方案
Fabric团队已经通过以下方式解决了该问题:
- 发布流程优化:在1.21.5及以上版本中,修改了发布流程,不再对已有文件进行重新签名和覆盖
- 循环依赖修复:解决了Fabric API中存在的循环依赖问题,确保构建工具能够正确处理依赖关系
对于使用旧版本Fabric API的开发者,可以采取以下临时解决方案:
- 手动排除有问题的依赖项(如fabric-api-deprecated)
- 升级到已修复问题的Fabric API版本
技术启示
这个问题给开发者带来几个重要启示:
- 构建工具差异:不同构建工具对依赖管理的严格程度不同,迁移时需注意兼容性问题
- 发布流程影响:Maven仓库的发布策略会直接影响下游开发者的构建体验
- 版本选择:在可能的情况下,尽量使用最新稳定版本以避免已知问题
Fabric团队对构建工具生态的支持态度积极,开发者遇到类似问题时可以及时反馈,团队会快速响应并解决问题。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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-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
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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
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
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++
649
271
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
212