fwupd项目中的EFI变量空间检测问题解析
在Linux固件更新工具fwupd的最新版本中,用户在使用较旧内核版本时可能会遇到"getting efivars free space is not supported"的错误提示。这个问题主要出现在尝试更新UEFI CA证书时,特别是在6.1.141等较旧的内核版本上。
问题背景
fwupd作为一个系统固件管理工具,需要与UEFI固件交互,其中就包括对EFI变量的读写操作。在较新版本的fwupd中,开发团队引入了一项重要的安全检查机制——在执行更新操作前,会先检测EFI变量存储空间(efivarfs)的剩余容量。
这个检查机制的引入背景是:随着新的安全数据库(db)和黑名单数据库(dbx)体积的不断增大,很多用户在更新时由于NVRAM空间不足而导致失败。因此,fwupd现在会在更新前确认系统有足够的空间来容纳这些更新。
技术细节
在Linux系统中,EFI变量通过efivarfs这个特殊的文件系统暴露给用户空间。虽然它看起来像一个普通的文件系统,但实际上它的存储介质是主板上的SPI-NOR闪存芯片,而非传统的存储设备。
问题出现在较旧的内核版本上,这些版本虽然支持efivarfs,但没有实现获取总空间和剩余空间的统计功能。当fwupd尝试查询这些信息时,内核返回0值,导致工具误认为没有可用空间而拒绝执行更新。
解决方案讨论
开发团队针对这个问题提出了两种可能的解决方案:
-
宽松策略:当检测到空间统计功能不可用时(返回0值),仍然允许更新操作继续进行,寄希望于实际有足够的空间。
-
严格策略:只允许在支持空间统计功能的内核上运行更新操作,确保每次更新都有可靠的空间保障。
目前看来,开发团队更倾向于第一种方案,因为:
- 许多企业发行版(如RHEL)会向后移植功能,单纯依赖内核版本检查不可靠
- 在大多数情况下,即使统计功能不可用,实际空间也是足够的
- 完全阻止更新会影响用户体验,特别是对那些无法轻易升级内核的用户
用户建议
对于遇到此问题的用户,可以考虑以下解决方案:
- 升级到更新的内核版本(如6.15.3),这些版本通常已经实现了完整的空间统计功能
- 如果必须使用旧内核,可以等待fwupd的下一个版本,预计会采用更宽松的空间检查策略
- 对于关键系统更新,可以考虑临时切换到较新内核完成固件更新
这个问题反映了固件管理工具在兼容性和安全性之间的平衡考量,也展示了Linux生态系统中内核与用户空间工具协同工作的复杂性。随着UEFI安全功能的不断增强,这类空间管理问题可能会变得更加常见,值得系统管理员和开发者持续关注。
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-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