当前位置: 首页 > 知识库问答 >
问题:

Solaris 11上的网络snmp构建问题

姬英武
2023-03-14

我正在Solaris11 parc上构建net-snmp 5.7.3。我将我的路径设置为:

/usr/local/lib:/bin:/usr/bin:/usr/dev_infra/平台/bin:/usr/dev_infra/通用/bin:/usr/local/bin:/usr/X11R6/bin:/usr/local/ade/bin:/usr/sfw/bin:/usr/ccs/bin:/opt/csw/bin:/opt/csw/gnu:/usr/sbin:/usr/bin:/usr/ccs/bin/ar

我跑/configure--prefix=/opt,带有默认选项,操作成功。之后,当我做了,我得到下面的错误信息,任何帮助都是感激的。

libtool: compile:  gcc -I../include -I. -I../snmplib -fno-strict-aliasing -g -O2 -Usolaris2 -Dsolaris2=solaris2 -c keytools.c  -fPIC -DPIC -o .libs/keytools.o
keytools.c: In function ‘generate_Ku’:
keytools.c:153:9: warning: assignment makes pointer from integer without a cast
keytools.c:161:9: error: invalid use of void expression
keytools.c:166:13: error: invalid use of void expression
*** Error code 1
make: Fatal error: Command failed for target `keytools.lo'
Current working directory /scratch/kkumsati/net-snmp/snmplib
*** Error code 1
The following command caused the error:
if test "snmplib  agent apps man local mibs" != ""; then \
        it="snmplib  agent apps man local mibs" ; \
        for i in $it ; do \
                echo "making all in `pwd`/$i"; \
                ( cd $i ; make ) ; \
                if test $? != 0 ; then \
                        exit 1 ; \
                fi  \
        done \
fi
make: Fatal error: Command failed for target `subdirs'

共有1个答案

华泽语
2023-03-14

寻找自述文件。源文件夹中的solaris文件。它有“编译网络snmp”部分。在自述文件中,您可以找到以下内容:

You need to set your $PATH.  This is extremely important
because otherwise there may be conflicts between the various
components of the development environment.

错误的道路是你的问题。

另一个可能的问题是系统中的旧openssl头。关于函数EVP_MD_CTX_create()(keytools.c:153:9中的错误),该函数在Solaris文件/usr/include/openssl/EVP中声明。h、 此文件包含在软件包pkg:/library/security/openssl中。在我的操作系统上,这个软件包的版本是1.0.1.18-0.175.3.5.0.5.0。我建议您更新操作系统,或者打包pkg:/library/security/openssl,或者尝试使用--使用openssl=internal选项运行配置脚本。

也更新gcc,我用了这个版本

pkg install developer/gcc-48 

export PATH=/usr/sbin:/usr/local/bin:/usr/ccs/bin:/usr/bin:
./configure --prefix=/opt --with-mib-modules="ucd-snmp/lmSensors \
            ucd-snmp/diskio smux mibII/mta_sendmail" --with-cc=gcc
gmake

在这里,我收到了一个关于以下内容的错误:

/usr/include/sys/processor.h:188:45: error: unknown type name 'kthread_t'
 extern boolean_t i_processor_affinity_check(kthread_t *, struct cpu *);
                                         ^
/usr/include/sys/processor.h:189:37: error: unknown type name 'kthread_t'
 extern int i_processor_affinity_one(kthread_t *, id_t, boolean_t);
                                 ^
/usr/include/sys/processor.h:190:33: error: unknown type name 'kthread_t'
 extern int i_processor_affinity(kthread_t *, uint_t *, id_t *, uint32_t *,
                             ^

要解决此问题,请编辑文件agent/mibgroup/host/data\u access/swrun\u procfs\u psinfo。c并添加到标题的第26行(问题行之前):

#include <sys/processor.h>
#include <sys/procset.h>
#include <thread.h>

关于这个错误的链接

然后重复

gmake
gmake test
gmake install;  #this command with root permissons 

我在SPARC上成功了。

 类似资料:
  • 我在我的公司网络上建立Docker图像时遇到了问题。我刚刚开始使用Docker,所以我有以下用于hello-world类型应用程序的Dockerfile: 当我在家里的笔记本电脑上,在我自己的无线网络上构建它时,这很好用。它拉下必要的依赖关系,并正确地构建映像。 我没有网络技术来弄清楚这里发生了什么。有人知道为什么在构建Docker容器时会出现这种奇怪的行为吗?

  • 问题内容: 我在公司网络上构建Docker映像时遇到问题。我刚刚开始使用Docker,因此我有一个用于hello-world类型应用程序的以下Dockerfile: 当我在家中通过自己的无线网络在笔记本电脑上构建笔记本电脑时,这种方法效果很好。它拉下必要的依赖关系并正确构建映像。 但是,当我在公司网络上工作时,尝试从download.fedoraproject.org拉下RPM时,此同一个Dock

  • 本文向大家介绍tensorflow构建BP神经网络的方法,包括了tensorflow构建BP神经网络的方法的使用技巧和注意事项,需要的朋友参考一下 之前的一篇博客专门介绍了神经网络的搭建,是在python环境下基于numpy搭建的,之前的numpy版两层神经网络,不能支持增加神经网络的层数。最近看了一个介绍tensorflow的视频,介绍了关于tensorflow的构建神经网络的方法,特此记录。

  • 本文向大家介绍使用Python构建Hopfield网络的教程,包括了使用Python构建Hopfield网络的教程的使用技巧和注意事项,需要的朋友参考一下  热的东西显然会变凉。房间会会人沮丧地变得凌乱。几乎同样,消息会失真。逆转这些情况的短期策略分别是重新加热、 做卫生和使用 Hopfield 网络。本文向您介绍了三者中的最后一个,它是一个只需要特定的参数就可以消除噪声的算法。net.py 是一

  • 本文介绍了 Kubernetes 上 TiDB 集群常见网络问题以及诊断解决方案。 Pod 之间网络不通 针对 TiDB 集群而言,绝大部分 Pod 间的访问均通过 Pod 的域名(使用 Headless Service 分配)进行,例外的情况是 TiDB Operator 在收集集群信息或下发控制指令时,会通过 PD Service 的 service-name 访问 PD 集群。 当通过日志或

  • 主要内容:矢量,标量,矩阵数学在任何机器学习算法中都是至关重要的,并且包括各种核心数学概念,以便以特定方式设计正确的算法。 下面提到了数学对机器学习和数据科学的重要性 - 现在,让我们来看看机器学习中的主要数学概念,从自然语言处理的角度来看这数学概念很重要 - 矢量 向量(Vector)是连续或离散的数字数组,由向量组成的空间称为向量空间。向量的空间维度可以是有限的也可以是无限的,但机器学习和数据科学问题涉及固定长度向量。