在Ubuntu 22.04上安装sshx时遇到的protobuf版本问题解决方案
sshx是一个基于Rust开发的SSH终端共享工具,它使用了Protocol Buffers(protobuf)作为其内部通信协议。在安装过程中,用户可能会遇到protobuf版本不兼容的问题,特别是当系统自带的protobuf编译器版本较旧时。
问题现象
当在Ubuntu 22.04系统上通过cargo install sshx命令安装sshx时,会出现编译错误,提示信息为:
protoc failed: sshx.proto: This file contains proto3 optional fields, but --experimental_allow_proto3_optional was not set.
这个错误表明sshx使用了proto3的可选字段特性,但系统安装的protobuf编译器版本过低,不支持这一特性。
问题原因
Ubuntu 22.04默认仓库中的protobuf编译器版本为3.12.x,而proto3的可选字段特性是在protobuf 3.15版本中引入的。sshx项目使用了这一新特性,因此需要更高版本的protobuf编译器才能成功编译。
解决方案
方法一:手动安装新版protobuf编译器
- 创建临时目录并下载最新版protobuf编译器:
mkdir /protoc
wget -qO- https://github.com/protocolbuffers/protobuf/releases/download/v29.2/protoc-29.2-linux-x86_64.zip | bsdtar -xvf- -C /protoc
- 安装protobuf编译器到系统路径:
mv -v /protoc/bin/protoc /usr/local/bin && chmod +x /usr/local/bin/protoc
- 安装protobuf头文件:
mkdir -p /usr/local/include/google/protobuf/
mv -v /protoc/include/google/protobuf/* /usr/local/include/google/protobuf/
- 清理临时文件:
rm -rf /protoc
方法二:使用版本管理工具
如果你使用mise这样的版本管理工具,可以更方便地管理不同版本的protobuf编译器:
mise use -g protoc
mise use -g cargo:sshx
方法三:升级操作系统
Ubuntu 24.04及更高版本已经包含了支持proto3可选字段特性的protobuf编译器版本。如果可行,升级操作系统也是一个简单的解决方案。
技术背景
Protocol Buffers是Google开发的一种高效的数据序列化格式。在proto3语法中,最初移除了"optional"关键字,所有字段都是可选的。但在实际使用中,开发者发现需要明确区分"未设置"和"设置为默认值"的情况,因此在protobuf 3.15版本中重新引入了optional关键字。
sshx项目使用了这一特性来提高协议的灵活性和表达能力,因此需要较新版本的protobuf编译器支持。
总结
在Ubuntu 22.04上安装sshx时遇到的protobuf版本问题,主要是由于系统自带的protobuf编译器版本过低导致的。通过手动安装新版protobuf编译器或使用版本管理工具,可以轻松解决这个问题。理解proto3可选字段特性的发展历史,也有助于开发者更好地处理类似的依赖问题。
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