NGINX Unit在RHEL系系统中GPG签名验证问题的技术分析
问题背景
在使用RHEL系操作系统(如CentOS Stream 9、Red Hat UBI等)安装NGINX Unit软件包时,部分用户遇到了GPG签名验证失败的问题。具体表现为当启用GPG检查(gpgcheck=1)和仓库GPG检查(repo_gpgcheck=1)时,系统会报错提示软件包签名验证失败。
问题现象
用户在使用microdnf或dnf5包管理器时,会收到如下错误信息:
error: package unit-1.32.1-1.el9.ngx.x86_64 cannot be verified and repo unit is GPG enabled: /var/cache/yum/metadata/unit-9-x86_64/packages/unit-1.32.1-1.el9.ngx.x86_64.rpm could not be verified.
/var/cache/yum/metadata/unit-9-x86_64/packages/unit-1.32.1-1.el9.ngx.x86_64.rpm: digest: SIGNATURE: NOT OK
根本原因分析
经过技术分析,这个问题源于RHEL系操作系统包管理器的实现差异:
-
dnf与microdnf/dnf5的行为差异:标准dnf包管理器可以正确处理NGINX Unit仓库的GPG签名验证,而microdnf和dnf5则会出现验证失败的情况。
-
多GPG密钥处理问题:NGINX Unit仓库使用了多个GPG密钥(包括旧密钥和新密钥),而microdnf在处理包含多个密钥的GPG密钥文件时存在实现缺陷。
-
历史背景:NGINX在2024年6月更新了其GPG签名密钥,这可能导致部分系统在密钥过渡期间出现验证问题。
解决方案
根据不同的使用场景,可以采用以下解决方案:
1. 使用标准dnf包管理器
对于使用完整版RHEL系镜像(如CentOS Stream完整版)的用户,标准dnf包管理器可以正确处理GPG验证。仓库配置示例:
[unit]
name=unit repo
baseurl=https://packages.nginx.org/unit/rhel/$releasever/$basearch/
gpgcheck=1
enabled=1
repo_gpgcheck=0
gpgkey=https://nginx.org/keys/nginx_signing.key
2. 对于使用microdnf的环境
在Red Hat UBI等使用microdnf的轻量级镜像中,目前有以下临时解决方案:
-
禁用repo_gpgcheck:保留gpgcheck=1以确保软件包本身的签名验证,但禁用仓库元数据验证:
repo_gpgcheck=0 -
完全禁用GPG检查(不推荐):在受信任的内部环境中,可以临时完全禁用GPG检查:
gpgcheck=0 repo_gpgcheck=0
3. 使用Fedora或更新版本
Fedora 39等使用dnf5的较新系统已经修复了相关问题,可以考虑升级到这些系统版本。
技术建议
-
安全权衡:虽然禁用GPG检查可以解决安装问题,但从安全角度考虑,建议仅在受控环境中使用此方案,并尽快寻找长期解决方案。
-
容器镜像构建:在构建容器镜像时,可以考虑分阶段处理:
- 构建阶段:临时禁用GPG检查以完成安装
- 运行时:使用完整验证的基础镜像
-
长期跟踪:建议关注Red Hat关于microdnf和dnf5的更新,特别是与GPG验证相关的改进。
结论
NGINX Unit软件包本身的GPG签名是完好且可验证的,当前问题主要源于RHEL系部分包管理器实现上的限制。用户可以根据自身环境选择合适的临时解决方案,同时关注相关包管理器的更新进展。对于安全性要求高的生产环境,建议使用标准dnf包管理器或等待Red Hat修复microdnf的相关问题。
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