Umbrel项目在Ubuntu 22.04上的Docker Compose兼容性问题解决方案
问题背景
在Ubuntu 22.04 LTS系统上安装Umbrel项目时,用户遇到了一个与Docker Compose相关的错误。具体表现为在执行启动脚本时出现kwargs_from_env() got an unexpected keyword argument 'ssl_version'的错误提示,导致Docker服务无法正常启动。
问题根源分析
经过深入分析,这个问题主要源于Docker Compose版本兼容性问题。Ubuntu 22.04默认安装的是Docker Compose v2版本,而Umbrel项目的脚本中使用了与v1版本兼容的命令格式和参数。具体来说:
-
命令格式差异:Docker Compose v1使用
docker-compose(带连字符)的命令格式,而v2版本使用docker compose(无连字符)格式。 -
参数不兼容:脚本中使用的
kwargs_from_env()函数在v2版本中不再支持ssl_version参数,这是导致错误直接出现的原因。 -
服务命名规范:v2版本对容器服务名称的规范要求更严格,需要使用短横线(-)而非下划线(_)作为分隔符。
解决方案
针对这一问题,我们提供了以下解决方案:
方法一:修改脚本文件
-
修改启动脚本:
- 编辑
./umbrel/scripts/start文件 - 将第150行左右的
docker-compose命令改为docker compose(去掉连字符) - 确保命令格式为:
docker compose "${compose_files[@]}" up --detach --build --remove-orphans
- 编辑
-
修改停止脚本:
- 编辑
./umbrel/scripts/stop文件 - 将最后一行
docker-compose命令改为docker compose
- 编辑
-
全面检查其他脚本:
- 还需要检查
app、debug、rpcauth.py、install等脚本文件 - 将所有
docker-compose实例替换为docker compose
- 还需要检查
方法二:安装Docker Compose v1
如果希望保持与原始脚本的完全兼容,可以安装Docker Compose v1版本:
pip install docker-compose
方法三:使用特定版本安装
对于希望完全避免此问题的用户,可以考虑使用Umbrel的0.5.4版本进行安装:
curl -L https://github.com/getumbrel/umbrel/archive/0.5.4.tar.gz | tar -xz --strip-components=1
sudo ./scripts/start
注意事项
-
服务名称规范:如果某些应用仍然无法正常安装,可能需要检查应用的
repo文件夹中的配置,确保所有容器服务名称使用短横线(-)而非下划线(_)。 -
DNS问题:特别是对于
nginx服务和public-pool等应用的配置,需要特别注意服务名称的一致性。 -
权限问题:执行脚本时确保使用适当的权限,通常需要sudo权限。
问题修复状态
Umbrel开发团队已经注意到这个问题,并在#1780提交中进行了修复。建议用户关注项目更新,及时获取最新的修复版本。
总结
Docker生态系统的版本演进带来了许多改进,但也不可避免地带来了兼容性挑战。通过理解版本差异、适当修改脚本或选择合适的版本,用户可以顺利解决这类兼容性问题。对于Umbrel这样的复杂项目,保持对依赖组件版本变化的敏感性尤为重要。
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