Munki 7.0 Beta 5:macOS软件管理工具的重大更新
项目简介
Munki是一个开源的macOS软件管理工具,主要用于企业环境中自动化部署和管理macOS设备上的软件安装、更新和移除。它通过中央仓库管理软件包,并支持灵活的部署策略,是macOS系统管理员的重要工具之一。
Munki 7.0 Beta 5核心更新
Munki 7.0 Beta 5标志着该项目的一个重要里程碑,所有命令行工具已从Python迁移到Swift语言实现,带来了显著的架构变化和性能改进。
架构转型
本次版本最显著的变化是将所有命令行工具从Python重写为Swift,并编译为原生可执行文件。这一转变带来了:
- 不再依赖Python运行时环境
- 更好的性能表现
- 更紧密的macOS系统集成
兼容性调整
新版本将最低支持系统版本提升至macOS 10.15(Catalina),不再支持10.13(High Sierra)和10.14(Mojave)。这一决策基于现代macOS生态系统的需求,同时简化了代码维护。
功能增强与改进
新增功能特性
-
版本检测脚本支持:引入了
version_script键值,允许管理员通过脚本精确检测已安装软件的版本号,比传统的installcheck_script更精确和灵活。 -
电源管理优化:在引导过程中,根据电源状态智能控制显示器休眠,确保用户能看到引导进度:
- Intel芯片:电池电量>50%时保持显示
- Apple芯片:电池电量>30%时保持显示
性能优化
- 改进了递归文件列表算法,使
makecatalogs和manifestutil等工具运行更快 - 文件列表顺序与Python版本保持一致,确保生成的目录完全一致
- 增强了对PEM文件的解析能力,包括正确处理CRLF行分隔符(常见于Windows生成的文件)
移除的过时功能
为保持代码精简和现代化,移除了多个不再适用的功能:
-
macOS升级方式:不再支持Intel Mac上的
startosinstall方式,统一使用stage_os_installer -
Apple软件更新:完全移除了对Apple更新的安装支持,引导用户使用系统原生工具
-
Adobe安装器支持:移除了多种Adobe专用安装器类型,建议使用Adobe官方打包工具生成标准安装包
-
配置配置文件管理:不再支持
profile安装器类型,推荐使用MDM解决方案管理配置 -
其他过时功能:包括
appdmg安装器类型和suppress_bundle_relocation键值等长期弃用的功能
中间件与插件兼容性
中间件变化
- Python中间件不再兼容,必须使用新的Swift中间件协议
- 多个常用中间件已完成Swift移植:
- Azure存储中间件
- BunnyNet中间件
- CloudFront中间件
- Google云存储中间件
- S3中间件
仓库插件
- Python仓库插件不再工作
- 提供了Swift仓库插件协议和MWA2API仓库插件示例
安装与迁移注意事项
- 安装包包含Python库组件(munkilib),作为过渡辅助
- 覆盖安装会保留Python框架,便于识别依赖关系
- 建议测试环境中验证所有自定义脚本和工作流
- 已知
makecatalogs工具性能较Python版本有所下降
测试重点建议
管理员在评估此版本时应重点关注:
- 管理工具功能,特别是
manifestutil的交互模式 - 在各种macOS版本上的安装和运行情况
- 认证重启流程
- 应用使用追踪功能
- 客户端证书认证
- 中间件插件功能
Munki 7.0 Beta 5代表了该项目向现代化迈出的重要一步,虽然带来了一些兼容性变化,但也为未来的功能扩展和性能优化奠定了基础。建议管理员在测试环境中充分验证后,再考虑生产环境部署。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09