Pangolin项目文件传输限制问题分析与解决方案
2025-06-02 14:55:58作者:毕习沙Eudora
问题背景
Pangolin作为一款开源的网络工具,在文件传输方面遇到了与某些隧道服务类似的问题。多位用户报告称,当上传文件大小超过约370MB时,会出现传输失败的情况。这一问题影响了包括Nextcloud、Immich和Synology Photos在内的多个应用程序。
问题现象
通过用户测试发现,不同应用程序在Pangolin环境下表现各异:
- Nextcloud:1.16GB视频文件上传成功且可播放
- Immich:上传失败,日志显示"Request error while uploading file, cleaning up"
- Synology Photos:显示上传完成但实际文件缺失
相比之下,使用Nginx Proxy Manager时,所有测试应用都能成功上传并播放大文件。
技术分析
经过深入调查,发现问题根源在于Traefik的默认配置限制。具体表现为:
- 传输超时设置不足,导致大文件上传过程中连接中断
- 默认MTU值(1280)设置较低,可能影响传输效率
- 内存缓冲区限制可能导致大文件传输失败
解决方案
1. 调整Traefik超时设置
在traefik_config.yml文件中添加以下配置可显著改善大文件传输:
websecure:
address: ":443"
transport:
respondingTimeouts:
readTimeout: 30m
这一配置将读取超时延长至30分钟,为大文件上传提供足够的时间窗口。
2. 优化MTU设置
虽然提高MTU值(如1420)不能直接解决传输中断问题,但可以提升传输效率。可通过以下方式设置:
# 在gerbil和newt容器中设置环境变量
MTU=1420
3. 内存资源调整
对于特别大的文件传输,确保容器有足够的内存资源也很重要。可以通过Docker的-m参数或Compose文件中的mem_limit进行调整。
验证结果
实施上述解决方案后,用户测试显示:
- Immich Web和移动端应用均能成功上传1GB以上文件
- Synology Photos上传功能恢复,虽然进度显示仍有优化空间
- 传输稳定性显著提升,不再出现370MB左右的传输中断
最佳实践建议
- 对于生产环境,建议将
readTimeout设置为实际业务需求的最小值 - 定期监控传输性能,根据网络条件调整MTU值
- 对于内存敏感的应用,考虑分块上传策略
- 保持Pangolin组件(gerbil和newt)更新至最新版本
总结
Pangolin项目通过调整Traefik配置成功解决了大文件传输限制问题。这一改进使得Pangolin在文件传输能力上超越了某些隧道服务的100MB限制,为需要处理大文件的用户提供了可靠解决方案。项目团队已将此修复纳入正式版本,用户只需更新即可获得完整的文件传输支持。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218