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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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