Sunshine项目在Ubuntu 24.10上的libminiupnpc兼容性问题解决方案
问题背景
Sunshine是一款优秀的开源游戏串流软件,近期有用户在Ubuntu 24.10系统上安装时遇到了共享库依赖问题。具体表现为运行时提示"libminiupnpc.so.17: cannot open shared object file"错误。这个问题源于Ubuntu 24.10系统更新了libminiupnpc库的版本,导致与Sunshine预编译包不兼容。
技术分析
libminiupnpc是一个轻量级的UPnP客户端库,用于实现端口映射等功能。在Ubuntu 24.04中,该库的版本为2.2.6-1build2,提供了libminiupnpc.so.17文件。而Ubuntu 24.10将其升级到了2.2.8-2版本,对应的库文件变更为libminiupnpc.so.18。
Sunshine的预编译包是针对Ubuntu 24.04构建的,因此硬编码依赖了libminiupnpc.so.17。当用户在24.10系统上安装时,虽然系统安装了更新的libminiupnpc库,但由于版本号不匹配,导致运行时找不到所需的共享库。
解决方案
方法一:创建符号链接(临时解决方案)
对于不需要使用UPnP功能的用户,可以创建一个符号链接来临时解决此问题:
- 打开终端,执行以下命令:
cd /usr/lib/x86_64-linux-gnu
sudo ln -s libminiupnpc.so.18 libminiupnpc.so.17
- 验证链接是否创建成功:
ls -lh /usr/lib/x86_64-linux-gnu | grep libminiupnpc
这个方法的优点是简单快捷,不需要额外安装或编译任何组件。但需要注意的是,这只是一个临时解决方案,可能会在未来的系统更新中被覆盖。
方法二:从源代码编译(推荐方案)
对于需要长期稳定使用或需要使用UPnP功能的用户,建议从源代码编译Sunshine:
- 安装必要的编译工具和依赖:
sudo apt install build-essential cmake git
- 克隆Sunshine源代码:
git clone https://github.com/LizardByte/Sunshine.git
cd Sunshine
- 配置编译选项(如需禁用CUDA支持):
mkdir build && cd build
cmake .. -DSUNSHINE_ENABLE_CUDA=OFF
- 编译并安装:
make -j$(nproc)
sudo make install
从源代码编译的优点是能够完全适配当前系统的库版本,避免兼容性问题。同时,用户可以根据自己的硬件配置和需求定制编译选项。
注意事项
-
对于NVIDIA显卡用户,如果遇到CUDA相关编译错误,可以尝试禁用CUDA支持或确保正确安装了CUDA工具包。
-
符号链接方法虽然简单,但不建议在生产环境中长期使用,因为它可能会影响其他依赖libminiupnpc的应用程序。
-
系统更新后,可能需要重新创建符号链接或重新编译Sunshine。
-
如果遇到其他依赖问题,可以使用
ldd命令检查Sunshine的依赖关系:
ldd $(which sunshine)
总结
Ubuntu 24.10用户在使用Sunshine时遇到的libminiupnpc.so.17缺失问题,本质上是系统库版本更新导致的兼容性问题。用户可以根据自身需求选择临时符号链接方案或更稳定的源代码编译方案。随着Sunshine项目的持续更新,未来可能会提供针对Ubuntu 24.10的官方预编译包,彻底解决这一兼容性问题。
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