GLPI项目安装过程中插件检查导致安装失败的解决方案
2025-06-11 12:22:41作者:凤尚柏Louis
问题背景
在GLPI项目的最新main分支版本安装过程中,部分开发者遇到了一个严重的安装阻断问题。当尝试进行全新安装时,系统会在数据库表尚未完全创建的情况下,提前执行插件状态检查,导致安装过程中断并抛出MySQL表不存在的错误。
错误现象
安装过程中系统会抛出以下关键错误信息:
MySQL query error: Table 'glpifresh.glpi_plugins' doesn't exist (1146) in SQL query "SELECT * FROM `glpi_plugins` WHERE `state` = '1'"
这表明系统在glpi_plugins表尚未创建时就尝试查询该表内容,导致安装流程中断。
问题根源分析
经过技术团队深入调查,发现问题主要源于以下两个场景:
-
SKIP_UPDATES常量设置不当:当开发者在local_define.php中设置了SKIP_UPDATES=true常量时,会跳过正常的更新流程,但同时也影响了安装过程中的表创建顺序。
-
混合环境安装:在已有部分GLPI表结构但不完整的数据库上执行全新安装时,系统错误地认为插件表已存在,提前执行了插件状态检查。
解决方案
针对这一问题,GLPI开发团队已经发布了修复方案:
-
修正安装流程顺序:确保在数据库表完全初始化完成后再执行插件状态检查。
-
优化常量检测逻辑:改进SKIP_UPDATES常量的处理方式,避免影响全新安装流程。
-
增强错误处理机制:在表不存在时提供更友好的错误提示而非直接中断安装。
最佳实践建议
对于开发者和管理员,建议采取以下措施避免类似问题:
-
全新安装时:
- 确保使用全新的空数据库
- 检查local_define.php中未设置SKIP_UPDATES常量
- 按照标准安装流程操作
-
开发环境配置:
- 区分开发环境和生产环境的配置
- 避免将开发用的常量设置带入生产安装流程
-
故障排查:
- 安装失败时检查数据库表是否完整创建
- 查看日志获取更详细的错误信息
技术实现细节
修复方案主要涉及以下技术点:
-
事件监听器调整:修改了InitializePlugins监听器的执行时机,确保在数据库完全初始化后执行。
-
条件检测优化:在插件系统初始化前增加数据库表存在性检查。
-
安装流程重构:将插件检查步骤移至表创建完成后的阶段执行。
该修复已合并到GLPI主分支,开发者更新到最新代码后即可解决此安装问题。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1