Xpra项目在RHEL 10系统上的构建挑战与解决方案
Xpra作为一款优秀的远程桌面工具,在RHEL 10系统上的构建和部署遇到了一些技术挑战。本文将详细分析这些挑战以及开发团队采取的解决方案。
构建环境准备
开发团队最初基于CentOS的stream10-development分支进行构建准备。在构建脚本方面,需要对repo-build-scripts仓库进行必要的更新,特别是针对RHEL 10环境的适配工作。这些修改包括对构建环境的配置调整和依赖项处理逻辑的优化。
主要技术挑战
在构建过程中,团队遇到了几个关键性问题:
-
Xorg服务器开发包缺失:构建过程中出现无法安装xorg-x11-server-devel开发包的问题,这个包是构建Xpra所需的关键依赖项。
-
Xvfb服务缺失:RHEL 10默认不再包含Xvfb(X Virtual Frame Buffer)服务,这对Xpra的正常运行造成了影响。
-
Wayland兼容性问题:Xwayland在检测显示环境时存在混淆问题,特别是在用户已有图形会话的情况下。
解决方案与应对策略
针对上述问题,开发团队采取了多种解决方案:
-
替代运行方案:开发团队提供了基于Wayland的临时解决方案。用户可以先启动一个无头的Wayland显示服务,然后在其上运行Xwayland来获得X11显示环境,最后再启动Xpra。
-
自定义构建方案:对于需要完整功能的用户,建议自行构建Xorg服务器和dummy驱动。这虽然增加了复杂度,但能提供更完整的X11环境支持。
-
依赖包冲突解决:在构建过程中发现openh264编解码器包存在冲突,团队通过修改构建配置解决了这一问题。
构建优化与发布
经过多次调整和测试,团队成功为CentOS stream10和AlmaLinux 10系统提供了可用的beta版本。在AlmaLinux 10的构建过程中,团队通过启用EPEL仓库解决了xxhash依赖缺失的问题,最终完成了所有目标平台的构建工作。
使用建议
对于最终用户,在使用Xpra时需要注意:
- 在有图形会话的环境中,建议明确指定显示编号
- 考虑系统环境差异,可能需要调整启动参数
- 关注后续正式版本的发布,以获得更稳定的使用体验
这些解决方案不仅解决了当前的技术难题,也为未来在其他新系统上的适配工作积累了宝贵经验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00