Centos7配置webrtc-streamer环境
2023-04-18 12:28:10 时间
背景:要求把Webrtc-streamer部署到虚拟机上,软件可以用于windows,docker和Linux部署,docker部署起来很方便,但是有缺点...,所以继续选择Linux部署,记录一下。
Webrtc-streamer源码:https://github.com/mpromonet/webrtc-streamer/releases
本文参考:
Linux之glibc2.17版本升级至2.31:https://blog.csdn.net/carefree2005/article/details/117559312
centos7升级gcc&glibc(踩坑):https://blog.csdn.net/yutenys/article/details/122154162
步骤:
下载Webrtc-streamer Linux版
wget https://github.com/mpromonet/webrtc-streamer/releases/download/v0.7.1/webrtc-streamer-v0.7.1-Linux-x86_64-Release.tar.gz
解压tar -zxf webrtc-streamer-v0.7.1-Linux-x86_64-Release.tar.gz
改名mv webrtc-streamer-v0.7.1-Linux-x86_64-Release.tar.gz webrtc-streamer
进入cd webrtc-streamer
执行./webrtc-streamer
然后报错glibc的版本没有2.27,2.28,2.29,环境不适配,看到很多说不适配就改用docker了,但我还得装Linux。
那就升级一个更高版本呗
然后找到:Linux之glibc2.17版本升级至2.31
那就升级呗
- 先下载glibc2.31:
wget https://mirrors.aliyun.com/gnu/glibc/glibc-2.31.tar.gz
解压然后放一边,因为差很多东西
tar -zxvf glibc-2.31.tar.gz
(查看install文件cat INSTALL | grep -E “newer|later
知道python、gcc、make需要升级,以下是升级这些的配置。) - 升级gdb参见:https://blog.csdn.net/carefree2005/article/details/125068985
- 升级python参见:https://blog.csdn.net/carefree2005/article/details/125096715
- 升级gcc参见(我在之前使用的是官方的,但是会报错然后改为阿里云的镜像才升级成功,而且因为本身的硬件原因本来就要慢一点,频繁出错就更难受了,升级gcc是最慢的):https://blog.csdn.net/yutenys/article/details/122154162
- 升级make参见:https://blog.csdn.net/carefree2005/article/details/117559312
- 升级完必备的环境了,那么开始升级glibc 2.31:
进入glibccd glibc-2.31
新建mkdir build
进入cd build
预编译../configure --prefix=/usr --disable-profile --enable-add-ons --with-headers=/usr/include --with-binutils=/usr/bin --disable-sanity-checks --disable-werror
显示当前进程可用的CPU数目,加--all是显示所有CPU数目:
nproc
nproc --all
编译
make -j $(nproc)
安装
make install
安装locale
make localedata/install-locales
查看安装完成:
strings /lib64/libc.so.6 | grep GLIBC
ok,安装完成。
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击