Network UPS Tools (NUT) 在非systemd系统下的构建与排障指南
2025-06-28 19:39:30作者:翟萌耘Ralph
背景介绍
Network UPS Tools (NUT) 是一个功能强大的不间断电源(UPS)监控和管理系统,广泛应用于各类Linux服务器和工作站。然而,在一些不使用systemd的Linux发行版(如Artix Linux)上构建NUT时,可能会遇到与systemd相关的依赖问题。
问题现象
用户在Artix Linux系统上构建NUT时,尽管在configure阶段已明确禁用systemd支持(--with-systemdsystemunitdir=no --with-libsystemd=no),但在运行UPS驱动程序时仍出现libsystemd.so.0缺失的错误。
深入分析
构建配置验证
正确的NUT构建配置应显示以下关键信息:
- 基本systemd支持:no
- 紧密systemd集成支持:no
- 系统单元文件安装:no
用户提供的配置摘要显示所有systemd相关选项均已正确禁用,理论上不应产生systemd依赖。
二进制文件依赖检查
通过ldd工具分析生成的二进制文件时发现:
- 从压缩包直接提取的二进制文件无systemd依赖
- 通过包管理器安装后,同一二进制文件却出现了
libsystemd.so.0依赖
问题根源
包管理器缓存问题
深入调查发现,问题的根本原因在于包管理器的缓存机制:
- 用户曾安装过来自其他仓库的NUT包(含systemd依赖)
- 后续安装本地构建的包时,包管理器错误地从缓存加载了旧版本
- 直接提取压缩包不受缓存影响,因此表现正常
构建环境隔离问题
在容器化构建环境中,宿主机的systemd组件可能意外泄漏到容器内,导致configure脚本检测到systemd存在。
解决方案
彻底清理系统
- 完全卸载现有NUT包
- 清除包管理器缓存
- 确保系统无残留的NUT文件
验证构建环境
- 在干净环境中重新构建
- 确认configure输出中所有systemd相关选项均为"no"
- 构建前后使用
ldd验证二进制依赖
构建参数优化
推荐的非systemd构建参数:
./configure \
--prefix=/usr \
--with-systemdsystemunitdir=no \
--with-libsystemd=no \
--without-avahi \
--without-ipmi
经验总结
- 构建环境隔离:在容器化构建时,确保环境完全干净,不受宿主机影响
- 包管理器行为:理解不同安装方式(本地文件 vs URL)的缓存处理差异
- 依赖验证:发布前务必验证二进制文件的动态链接依赖
- 历史包清理:系统迁移或配置变更时,彻底清理旧版本
技术延伸
对于希望完全避免systemd检测的开发者,可以考虑以下进阶方案:
- 环境变量覆盖:在configure前设置
PKG_CONFIG_PATH为空,避免pkg-config检测到systemd - 交叉编译:使用交叉编译工具链,明确指定目标系统特性
- 补丁修改:对configure脚本进行修改,强制跳过systemd检测
通过以上措施,可以确保NUT在各种init系统环境下都能正确构建和运行,满足不同Linux发行版用户的需求。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
278
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
75
99
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.74 K