Passenger在AlmaLinux 9上的编译问题及解决方案
问题背景
在AlmaLinux 9操作系统上编译Passenger 6.0.22时,开发人员遇到了编译失败的问题。错误信息显示编译器无法生成可执行文件,并提示需要先安装开发工具。这个问题在最小化安装环境中尤为常见,特别是在禁用了弱依赖安装的情况下。
错误现象
当尝试在AlmaLinux 9(ARM64架构)上编译Passenger时,会出现以下关键错误:
The compiler failed to generate an executable file. (RuntimeError)
You have to install development tools first.
错误发生在Ruby的mkmf.rb尝试检查头文件时,表明基本的开发环境配置存在问题。
根本原因分析
经过测试发现,问题的根源在于缺少redhat-rpm-config软件包。这个包在RedHat系发行版中提供了关键的编译配置,特别是包含了redhat-hardened-cc1等必要的编译工具链组件。
在默认安装情况下,系统会自动安装这些弱依赖项。但当使用--setopt=install_weak_deps=False参数进行最小化安装时,这些关键组件会被忽略,导致编译环境不完整。
解决方案
有两种方法可以解决这个问题:
-
允许安装弱依赖:在安装系统包时不使用
--setopt=install_weak_deps=False参数,让系统自动安装必要的依赖项。 -
显式安装redhat-rpm-config:在安装其他开发工具的同时,明确添加这个关键包:
dnf install redhat-rpm-config gcc gcc-c++ libcurl-devel openssl-devel pcre2-devel ruby-devel zlib-devel
技术细节
redhat-rpm-config软件包在RedHat系发行版中扮演着重要角色,它提供了:
- 标准的编译标志和选项
- 系统特定的头文件位置配置
- 安全加固的编译器配置
- RPM构建所需的各种宏定义
特别是在AlmaLinux/RHEL 9中,这个包提供的redhat-hardened-cc1组件是现代安全编译的基础,缺少它会导致基本的编译工具链无法正常工作。
最佳实践建议
对于生产环境中的Passenger部署,建议:
- 总是确保完整的开发环境,包括
redhat-rpm-config - 在Docker等容器环境中构建时,明确列出所有依赖项
- 考虑使用Passenger的预编译包或官方仓库来避免编译问题
- 在最小化安装环境中,务必测试编译过程是否完整
总结
Passenger在AlmaLinux 9上的编译问题主要源于最小化安装环境缺少关键的系统配置包。通过理解RedHat系发行版的包依赖关系,特别是redhat-rpm-config的作用,可以有效地解决这类编译环境配置问题。这不仅是Passenger特有的问题,也是所有需要在RHEL系发行版上进行源代码编译的软件需要注意的通用问题。
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