Passenger模块在RockyLinux 9.3上编译失败问题解析
问题背景
在使用RockyLinux 9.3系统构建Docker容器时,尝试将Passenger 6.0.23作为静态模块编译进Nginx 1.26.2时遇到了编译失败的问题。系统环境配置了OpenSSL 3.3.2、Ruby 3.3.5等组件,但在构建过程中出现了链接错误。
错误现象
编译过程中出现的核心错误信息显示,链接器无法找到OpenSSL 3.3.2库中的多个符号引用,包括X509_STORE_CTX_init_rpk、BIO_recvmmsg等函数。这些错误表明Passenger模块在链接阶段无法正确绑定到OpenSSL库。
根本原因分析
经过测试不同版本的OpenSSL后发现:
- 编译成功的版本:OpenSSL 1.1.1w、3.0.15、3.1.7
- 编译失败的版本:OpenSSL 3.2.0、3.3.0、3.3.1、3.3.2
这表明问题与OpenSSL 3.2.0及以上版本的API变更有关。这些新版本引入了新的函数符号,而Passenger 6.0.23的代码库尚未完全适配这些变更。
解决方案
通过调整Ruby的编译配置,明确指定OpenSSL库的路径,可以解决此问题。具体做法是在Ruby编译时添加以下参数:
--with-openssl-lib=/usr/local/openssl-${openssl_version}/lib64
这一配置确保Ruby能够正确找到并使用指定版本的OpenSSL库,避免了链接时的符号解析问题。
技术建议
-
版本兼容性:在使用较新版本的OpenSSL时,建议先确认Passenger或其他依赖组件是否已支持该版本。OpenSSL 3.x系列引入了许多API变更,可能导致兼容性问题。
-
编译环境配置:当使用自定义安装路径的库时,务必确保所有相关组件的编译配置都正确指向这些库的位置,包括头文件路径和库文件路径。
-
依赖管理:在容器化环境中,建议使用系统包管理器安装的稳定版本库,除非有特殊需求。这可以减少因版本不匹配导致的问题。
-
调试技巧:遇到类似链接错误时,可以使用
nm工具检查库文件是否包含所需的符号,帮助定位问题根源。
总结
Passenger模块与新版OpenSSL的兼容性问题在Linux系统中并不罕见。通过正确配置库路径和版本,可以有效解决这类编译问题。对于生产环境,建议评估使用经过充分测试的组件版本组合,以确保系统稳定性。
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-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
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