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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00