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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00