Passenger项目在RHEL 9.6上的Ruby版本兼容性问题解决方案
问题背景
在Red Hat Enterprise Linux 9.6(代号Plow)系统上,用户尝试将Passenger从6.0.19-1版本升级到6.0.27-1版本时遇到了Ruby版本依赖问题。系统提示Passenger 6.0.27-1需要Ruby 3.0版本的动态链接库(libruby.so.3.0),但在当前系统中无法找到合适的安装包。
问题分析
通过检查系统环境,发现RHEL 9.6默认启用了Ruby 3.1模块流(module stream),而Passenger 6.0.27-1版本明确依赖Ruby 3.0版本。这种版本不匹配导致了依赖关系冲突。
在RHEL 9系统中,软件包管理采用了模块化(Modular)设计,允许同一软件的不同版本共存。Ruby作为关键组件,在RHEL 9中提供了多个版本流(3.0、3.1和3.3),但默认情况下可能启用了非3.0版本。
解决方案
方法一:重置Ruby模块并安装3.0版本
-
首先尝试重置Ruby模块配置:
dnf module reset ruby -
然后启用Ruby 3.0模块流:
dnf module enable ruby:3.0 -
最后安装Passenger:
yum upgrade passenger
方法二:完全移除后重新安装
如果上述方法无效,可以采取更彻底的解决方案:
-
完全移除现有的Ruby和Passenger安装:
dnf remove ruby passenger -
重新安装Ruby和Passenger:
dnf install ruby passenger
这种方法通常能解决因模块流配置混乱导致的依赖问题。
技术细节
RHEL 9的模块化仓库设计允许系统管理员灵活选择软件版本,但也带来了额外的复杂性。当多个模块流可用时,系统会默认启用一个特定的版本流。在Ruby的情况下,RHEL 9.6默认启用了3.1版本流,而Passenger 6.0.27-1版本需要的是3.0版本流。
模块过滤(module filtering)机制会阻止不符合当前模块流配置的软件包安装,这就是为什么用户看到"filtered out by modular filtering"的错误信息。
最佳实践建议
-
在升级关键组件前,先检查依赖关系:
dnf repoquery --requires passenger -
了解当前系统中启用的模块流:
dnf module list -
对于生产环境,建议在测试环境中先验证升级过程。
-
考虑使用容器化技术来隔离不同应用的环境依赖,避免系统级的版本冲突。
总结
Passenger在RHEL 9.6上的安装问题主要源于Ruby版本模块流的选择。通过理解RHEL的模块化仓库机制,并采取适当的模块重置或完全重装措施,可以顺利解决这类依赖冲突问题。对于系统管理员来说,掌握模块化仓库的管理技巧是维护RHEL 9系统的重要技能之一。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00