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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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