Proxmox中Jellyfin容器从Ubuntu 23.04升级到23.10的技术指南
问题背景
在使用Proxmox VE 8.1.5环境时,用户尝试将基于Ubuntu 23.04(Lunar)的Jellyfin LXC容器从10.8.12版本升级到10.8.13版本时遇到了困难。主要问题表现为apt更新失败,错误提示表明Jellyfin的Ubuntu 23.04(Lunar)软件源已不再可用。
根本原因分析
Ubuntu 23.04(Lunar)是一个非LTS版本,其官方支持周期较短。当Ubuntu发布新版本后,旧的非LTS版本的软件仓库会被移动到归档服务器,导致原有的软件源配置失效。Jellyfin项目也遵循这一原则,停止了对Ubuntu 23.04的软件源支持。
解决方案步骤
1. 修改Ubuntu基础软件源
首先需要将容器的基础软件源从23.04(Lunar)更新到23.10(Mantic):
-
编辑软件源配置文件:
sudo nano /etc/apt/sources.list -
将所有出现的"lunar"替换为"mantic":
deb http://archive.ubuntu.com/ubuntu mantic main restricted universe multiverse deb http://archive.ubuntu.com/ubuntu mantic-updates main restricted universe multiverse deb http://archive.ubuntu.com/ubuntu mantic-security main restricted universe multiverse
2. 更新Jellyfin软件源配置
-
编辑Jellyfin专用软件源文件:
sudo nano /etc/apt/sources.list.d/jellyfin.sources -
将"Suites: lunar"修改为"Suites: mantic"
3. 执行系统升级
按照以下顺序执行升级命令:
sudo apt-get update
sudo do-release-upgrade
sudo apt-get dist-upgrade
4. 运行Jellyfin更新脚本
最后执行Proxmox的Jellyfin更新脚本完成升级:
bash -c "$(wget -qLO - https://github.com/tteck/Proxmox/raw/main/ct/jellyfin.sh)"
技术要点说明
-
版本选择建议:对于生产环境,建议使用Ubuntu LTS版本(如22.04)作为基础系统,可以获得更长的支持周期和更稳定的更新。
-
升级顺序:必须先完成基础系统的版本升级,再处理应用软件的更新,确保依赖关系正确。
-
FFMPEG路径变更:Jellyfin 10.8.13版本移除了通过GUI修改FFMPEG路径的功能,脚本安装的FFMPEG位置已经是默认路径,无需额外配置。
-
安全考虑:系统升级过程中会自动处理证书和密钥的更新,确保软件来源的可信性。
最佳实践建议
-
定期检查容器的基础系统版本支持状态,非LTS版本建议在支持结束前升级到新版本。
-
对于关键服务如Jellyfin,考虑使用稳定的LTS版本作为基础系统。
-
在执行大规模升级前,建议先备份容器状态,以防升级失败导致服务中断。
-
关注Jellyfin项目的安全公告,及时应用重要安全更新。
通过以上步骤,用户可以顺利完成从Ubuntu 23.04到23.10的系统升级,并保持Jellyfin媒体服务器的最新状态,确保获得最新的功能和安全修复。
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-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