sudo-rs项目中命令别名递归展开问题的技术解析
2025-06-26 12:24:51作者:冯梦姬Eddie
在sudo-rs项目(一个用Rust编写的sudo命令实现)中,最近发现了一个与命令别名处理相关的有趣技术问题。这个问题涉及到sudoers配置文件中命令别名的递归展开机制,以及sudo --list命令如何展示这些别名。
问题背景
在传统的sudo实现中,命令别名(Cmnd_Alias)支持递归定义。例如,可以定义一个别名FOO指向/bin/fsck,然后定义另一个别名BAR指向FOO。当用户执行权限检查或查看权限列表时,系统会自动将这些别名递归展开,最终显示实际的命令路径。
然而在sudo-rs的实现中,开发者采用了一种更为高效的机制:不在内存中完全展开这些递归别名,而是保留别名的引用关系。这种设计在大多数情况下工作良好,但在使用sudo --list命令查看用户权限时,却意外地暴露了未展开的别名。
技术细节分析
具体来说,当sudoers文件包含如下配置时:
Cmnd_Alias FOO=/bin/fsck
Cmnd_Alias BAR=FOO
ALL ALL = BAR
传统sudo实现(ogsudo)的--list输出会是:
User marc may run the following commands on xyzzy:
(root) /sbin/fsck
而sudo-rs的输出则是:
User marc may run the following commands on xyzzy:
(root) FOO
这种差异源于两者处理命令别名的不同策略:
- 传统sudo:采用"即时完全展开"策略,在解析sudoers文件时就将所有别名递归展开为最终命令
- sudo-rs:采用"惰性引用"策略,保留别名间的引用关系,只在需要时才解析
解决方案与实现
sudo-rs团队通过修改--list命令的实现解决了这个问题。现在当使用sudo --list时,系统会:
- 遍历用户的命令权限列表
- 对每个命令或别名进行递归解析
- 将最终解析得到的实际命令路径展示给用户
这种改进既保留了内存中别名引用关系的高效性,又提供了与传统sudo一致的用户体验。特别值得注意的是,这种修改不需要改变sudoers文件的解析逻辑,只需调整--list命令的输出处理部分。
技术意义与启示
这个问题展示了几个重要的技术点:
- 配置解析策略的选择:完全展开vs惰性引用各有优缺点,需要根据具体场景权衡
- 用户体验一致性:即使内部实现不同,也应尽量保持与广泛使用的传统工具一致的外部行为
- Rust实现的特点:sudo-rs作为Rust实现,可以利用语言特性更安全地处理这类别名引用关系
这个问题的解决也体现了sudo-rs项目对兼容性和用户体验的重视,即使内部实现采用了不同的技术路线,也努力保持与标准sudo一致的外部行为。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler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。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617