Systemd v259-rc1作为下一版本的首个预览版发布,这是Linux世界中使用最广泛的系统和服务管理器。此次更新最显著的变化是新增了对musl libc的不完整支持,这意味着systemd现在可以在非GNU C标准库的Linux发行版上编译和运行。
musl支持的重要意义
这项支持的推动力来自postmarketOS项目,该项目致力于为厂商不再支持的智能手机提供开源解决方案。PostmarketOS基于Alpine Linux构建,而Alpine使用musl库,因此开发者提交了允许systemd针对musl而非glibc编译的代码。
不过,这项支持存在重大功能限制。由于NSS或等效功能不可用,nss-systemd、nss-resolve、DynamicUser、systemd-homed、systemd-userdbd等功能将无法工作。官方在发布说明中谨慎表示,对musl的支持"不保证在未来版本中继续提供",将根据维护兼容性层所需的工作量、特定错误报告数量以及用户和发行版的反馈来决定。
其他重要功能更新
内存不足终止器systemd-oomd进行了多项改进,现在报告更多跟踪信息以帮助调试。多个代码部分改进了对Varlink进程间通信协议的支持。
内置用户空间设备管理和GUID分区管理模块在多个方面得到改进,包括动态重新读取分区以及将LUKS加密分区与未加密分区分别命名。
工具现在支持可配置的日志级别,systemd日志默认自动持久化。作为sudo替代品的run0命令现在可以临时"授权"非特权用户,并可在指定根目录中调用命令。
systemd-boot引导加载器的变化
此版本还对systemd-boot替代引导加载器进行了改进。与大多数发行版仍使用的GRUB不同,systemd-boot仅适用于UEFI,并将文件直接存储在EFI系统分区中。这需要更多空间,新版本收紧了对XBOOTLDR分区的要求,必须格式化为计算机固件可读的简单文件系统。
对System V样式初始化脚本的支持继续被弃用,尽管完全移除已推迟到systemd 260版本。
Q&A
Q1:systemd 259对musl的支持有什么限制?
A:虽然新增了对musl libc的支持,但存在重大功能限制。由于NSS功能不可用,nss-systemd、nss-resolve、DynamicUser、systemd-homed、systemd-userdbd等功能将无法工作。官方表示这是不完整的支持,且不保证未来版本继续提供。
Q2:为什么systemd要支持musl?
A:推动力主要来自postmarketOS项目,该项目为厂商不再支持的智能手机提供开源解决方案。由于postmarketOS基于使用musl库的Alpine Linux,为了更好支持GNOME和KDE Plasma的移动版本,开发者提交了相关代码。
Q3:systemd-boot与GRUB有什么不同?
A:systemd-boot仅适用于UEFI系统,将Linux内核和initramfs文件直接存储在EFI系统分区中,而GRUB将这些文件保存在Linux文件系统的/boot文件夹中。systemd-boot需要更多存储空间,并要求分区格式化为固件可读的简单文件系统。
好文章,需要你的鼓励
前OpenAI首席技术官Mira Murati创办的AI初创公司Thinking Machines Lab宣布推出"交互模型"技术。不同于现有AI的轮流对话方式,该模型采用"全双工"技术,能在接收输入的同时生成响应,实现类似真实电话通话的自然交互。其模型TML-Interaction-Small响应速度达0.40秒,优于OpenAI和谷歌同类产品。目前仍处于研究预览阶段,计划数月内开放有限测试,年内正式发布。
香港大学与哈尔滨工业大学联合发布的这项研究(arXiv:2605.06196)发现,大语言模型在扮演不同社会层级角色时,内部神经网络存在一条清晰的"粒度轴",从普通个人视角延伸至全球机构视角。这条轴是AI角色空间的主导几何方向,可被测量、被跨模型复现,并通过激活引导技术加以操控,为AI社会模拟的可信度评估和角色视角的主动调控提供了新工具。
澳大利亚各州及联邦能源部长在近期会议上达成共识,要求数据中心通过投资新建可再生能源和储能设施,完全抵消其电力需求。除昆士兰州外,所有州均支持该提议。联邦能源部长克里斯·鲍文表示,数据中心是新增能源需求的最大驱动力之一,应成为电网的助力而非负担。澳大利亚能源市场委员会将于7月前提交具体实施建议。数据显示,到2030年数据中心用电量预计将增至现在的三倍。
华盛顿大学研究团队发现,在AI数学推理训练中,将随机拼凑的拉丁文占位词(Lorem Ipsum)添加到题目前,能帮助AI突破"全部答错、训练停滞"的困境,在多个模型上平均提升推理得分2.8至6.2分。研究揭示了有效扰动的两个关键特征:使用拉丁语词汇避免语义干扰,以及保持较低困惑度确保AI能正确理解题目内容。