GitHub Actions中setup-python项目处理Python 3.5证书验证失败的解决方案
问题背景
近期在使用GitHub Actions的setup-python项目安装Python 3.5版本时,许多用户遇到了SSL证书验证失败的问题。这个问题表现为在安装过程中,pip无法验证PyPI服务器的SSL证书,导致安装失败。错误信息通常显示为"SSL: CERTIFICATE_VERIFY_FAILED"。
技术原因分析
这个问题的根本原因在于Python 3.5已经停止维护,其内置的SSL模块无法正确验证PyPI服务器更新后的SSL证书。PyPI服务器近期可能更新了其SSL配置,采用了更现代的加密标准或证书链,而Python 3.5中的SSL实现无法处理这些新变化。
值得注意的是,这个问题不仅影响Python 3.5,同样会影响其他较旧的Python版本,如Python 3.4等。这主要是因为较旧版本的Python使用的OpenSSL库版本较低,无法识别新的证书颁发机构或加密算法。
解决方案
对于必须使用Python 3.5的开发环境,目前有以下几种解决方案:
1. 使用PIP_TRUSTED_HOST环境变量
这是目前最直接的解决方案。通过在GitHub Actions工作流中添加环境变量配置,可以绕过SSL证书验证:
- uses: actions/setup-python@v5
with:
python-version: 3.5
env:
PIP_TRUSTED_HOST: "pypi.python.org pypi.org files.pythonhosted.org"
这种方法告诉pip信任指定的主机,即使SSL证书验证失败也继续执行。需要注意的是,这会降低安全性,使系统容易受到中间人攻击。
2. 升级到支持的Python版本
从安全角度考虑,最佳解决方案是升级到仍在支持期的Python版本。Python 3.5已于2020年停止官方支持,继续使用会面临多种安全风险。
3. 手动安装证书
对于有特殊需求必须使用Python 3.5的情况,可以考虑手动更新系统的证书存储。这需要:
- 获取最新的CA证书包
- 配置Python使用这些证书
- 可能需要重新编译Python以支持新的SSL特性
这种方法技术难度较高,且不一定能完全解决问题。
安全考虑
使用PIP_TRUSTED_HOST解决方案时,开发者应当意识到这会降低系统的安全性。在生产环境中,特别是处理敏感数据时,应当尽量避免使用这种方案。如果必须使用,建议:
- 仅在CI/CD环境中临时使用
- 限制信任的主机范围
- 考虑增加额外的安全监控措施
长期建议
对于长期项目,建议制定Python版本升级计划。GitHub Actions支持从Python 3.6到最新版本的所有主流Python发行版,升级到较新版本不仅可以避免这类问题,还能获得性能改进和新特性。
对于维护遗留系统的团队,可以考虑使用容器技术将旧版Python环境隔离,而不是直接在CI/CD系统中使用过时的Python版本。这种方法可以在一定程度上平衡兼容性和安全性需求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07