Icinga2在Fedora 39上的安装问题分析与解决方案
问题背景
Icinga2是一款开源的监控系统,广泛应用于服务器和网络设备的监控场景。近期有用户反馈在Fedora 39操作系统上无法正常安装Icinga2,主要问题表现为在导入Icinga软件仓库密钥时出现警告信息,随后无法找到Icinga2安装包。
问题现象
当用户按照官方文档执行rpm --import https://packages.icinga.com/icinga.key命令时,系统会显示以下警告:
warning: Certificate C6E319C334410682:
Policy rejects subkey 146117B313F2C675: Policy rejected asymmetric algorithm
这个警告表明Fedora 39的安全策略拒绝了Icinga使用的非对称加密算法。随后,即使用户成功添加了Icinga2的软件仓库,也无法找到或安装Icinga2软件包。
问题根源
经过深入分析,这个问题实际上包含两个层面的原因:
-
安全策略变更:Fedora 38及更高版本引入了更严格的安全策略,拒绝了一些旧的非对称加密算法。这导致Icinga的仓库密钥在导入时出现警告。
-
软件仓库结构问题:更关键的是,Icinga的软件仓库中缺少针对Fedora 39的软件包。即使密钥导入成功,由于缺少对应版本的软件包,系统也无法找到可安装的Icinga2版本。
解决方案
Icinga团队已经于2024年1月24日更新了他们的软件仓库结构,添加了针对Fedora 39的软件包。用户可以按照以下步骤成功安装Icinga2:
-
更新系统软件包列表:
sudo dnf update -
导入Icinga软件仓库密钥(尽管会有警告,但可以继续):
sudo rpm --import https://packages.icinga.com/icinga.key -
添加Icinga2的软件仓库:
sudo dnf install https://packages.icinga.com/fedora/icinga2-release-latest-1.fc39.noarch.rpm -
安装Icinga2:
sudo dnf install icinga2
技术细节
Fedora 39的安全策略变更主要影响了以下几个方面:
- 拒绝使用某些被认为不够安全的加密算法
- 加强了对软件包签名的验证
- 提高了对软件仓库完整性的要求
Icinga团队通过以下方式解决了这些问题:
- 更新了软件仓库结构,确保包含Fedora 39的软件包
- 优化了软件包签名机制,使其符合Fedora的安全要求
- 确保所有依赖关系都能在Fedora 39上正确解析
验证安装
安装完成后,用户可以通过以下命令验证Icinga2是否正常运行:
systemctl status icinga2
以及检查版本信息:
icinga2 --version
总结
虽然Fedora 39的安全策略变更最初导致了Icinga2的安装问题,但通过Icinga团队的及时响应和更新,这个问题已经得到解决。用户现在可以按照标准流程在Fedora 39上安装和使用Icinga2监控系统。这也提醒我们,在使用较新的Linux发行版时,可能会遇到类似的软件兼容性问题,通常等待上游软件提供商的更新是最有效的解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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