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。
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 StartedRust0190
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 Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08