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 StartedRust065- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00