Livebook项目在TLS反向代理后的运行配置指南
背景介绍
Livebook是一个基于Elixir语言的交互式代码笔记本工具,类似于Jupyter Notebook。在实际生产环境中,我们经常需要将Livebook部署在TLS终止的反向代理(如Nginx)之后,以提供HTTPS安全访问。本文将详细介绍如何正确配置Livebook在这种环境下的运行参数。
核心问题
当Livebook运行在反向代理后时,常见的一个问题是运行时(Runtime)无法正常启动,表现为执行代码时出现"Elixir terminated unexpectedly"错误。这通常是由于Erlang分布式节点通信配置不当导致的。
关键配置要点
-
节点命名方式:使用
--sname参数(短名称)比--name参数(长名称)更简单可靠。如果必须使用长名称,需要确保主机名能被正确解析。 -
端口配置:Livebook默认使用4000端口,但如果需要iframe支持,还需要配置额外的端口。
-
环境变量:可以通过环境变量调整Livebook的行为,如
LIVEBOOK_DEBUG开启调试模式,LIVEBOOK_PASSWORD设置访问密码等。
推荐配置方案
对于大多数反向代理场景,推荐使用以下配置:
LIVEBOOK_DEBUG=true \
LIVEBOOK_PASSWORD=your_password \
LIVEBOOK_PORT=4000 \
livebook server --sname pair
对应的反向代理配置(Nginx示例):
location / {
proxy_pass http://localhost:4000;
proxy_set_header Host $host;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
}
高级配置场景
如果需要iframe支持,可以扩展配置为:
LIVEBOOK_DEBUG=true \
LIVEBOOK_PASSWORD=your_password \
LIVEBOOK_PORT=4000 \
LIVEBOOK_IFRAME_PORT=4001 \
LIVEBOOK_IFRAME_URL=https://yourdomain.com/iframe/ \
livebook server --sname pair
对应的Nginx需要额外配置:
location /iframe/ {
proxy_pass http://localhost:4001;
}
常见问题排查
-
节点通信失败:确保使用正确的节点命名方式,短名称(
--sname)通常更可靠。 -
端口冲突:检查4000和4001端口是否被其他应用占用。
-
代理配置:确保反向代理正确传递了所有必要的头信息,特别是Host头。
-
防火墙设置:确认服务器防火墙允许4000和4001端口的入站连接。
最佳实践建议
-
生产环境始终使用HTTPS,通过反向代理实现TLS终止。
-
为安全考虑,务必设置
LIVEBOOK_PASSWORD环境变量。 -
对于复杂部署,考虑使用
--name参数并确保DNS解析正常工作。 -
启用
LIVEBOOK_DEBUG模式有助于诊断初期问题。
通过以上配置,Livebook可以稳定运行在TLS反向代理之后,为用户提供安全可靠的交互式编程环境。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00