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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00