Haraka 邮件服务器使用教程
1. 项目介绍
Haraka 是一个高性能、高度可扩展且事件驱动的 SMTP 服务器,使用 Node.js 编写。它具有模块化的插件架构,能够处理数千个并发连接并每秒传递数千条消息。Haraka 提供了强大的垃圾邮件防护功能,并且可以作为过滤 MTA 或 MSA 运行在端口 587 上,支持身份验证和 DKIM 签名。
Haraka 不试图成为一个邮件存储系统(如 Exchange 或 Postfix/Exim/Qmail)、LDA 或 IMAP 服务器(如 Dovecot 或 Courier)。它通常与其他系统结合使用。Haraka 内置了一个可扩展的出站邮件传递引擎,标记为中继的邮件(如通过身份验证插件)会自动排队进行出站传递。
2. 项目快速启动
安装 Haraka
Haraka 需要 Node.js 运行环境。使用 npm 安装 Haraka:
# 如果第二个命令给出 "nobody" 错误,请取消注释并运行下一个命令
# npm -g config set user root
npm install -g Haraka
创建并启动 Haraka 服务
首先,创建 Haraka 服务:
haraka -i /path/to/haraka_test
这将在指定路径下创建一个名为 haraka_test 的目录,其中包含配置和插件目录。Haraka 使用的主机名将设置为 hostname 的输出。如果 hostname 不正确,请编辑 config/host_list 文件。
例如,要接收发送到 user@domain.com 的邮件,请将 domain.com 添加到 config/host_list 文件中。
最后,使用 root 权限启动 Haraka:
haraka -c /path/to/haraka_test
配置 Haraka
要选择运行哪些插件,请编辑 config/plugins 文件。插件控制 Haraka 的整体行为。默认情况下,只有发送到 config/host_list 中列出的域的邮件才会被接受,并通过 smtp-forward 插件进行传递。在 config/smtp_forward.ini 中配置目标地址。
详细配置文档可以通过以下命令查看:
haraka -h plugins/$name
编辑 config/plugins 后,重启 Haraka 即可生效。
从 Git 运行 Haraka
如果无法使用 npm 安装 Haraka,可以通过以下步骤从 Git 运行:
# 克隆仓库
git clone https://github.com/haraka/Haraka.git
cd Haraka
# 安装 Haraka 的 Node.js 依赖
npm install
# 编辑配置文件
vim config/plugins
vim config/smtp_forward.ini
# 运行 Haraka
node haraka.js
3. 应用案例和最佳实践
应用案例
- 垃圾邮件过滤:Haraka 的插件架构使其易于集成 SpamAssassin 等垃圾邮件过滤工具,提供强大的垃圾邮件防护。
- 身份验证和 DKIM 签名:Haraka 可以作为 MSA 运行在端口 587 上,支持身份验证和 DKIM 签名,确保邮件的安全性和可信度。
- 邮件中继:Haraka 的内置出站邮件传递引擎可以自动处理中继邮件,确保邮件的及时传递。
最佳实践
- 插件管理:根据需求选择和配置插件,避免不必要的插件加载,以提高性能。
- 日志监控:定期检查 Haraka 的日志文件,监控邮件传递状态和系统性能。
- 安全配置:确保 Haraka 的配置文件和插件设置符合安全最佳实践,防止未授权访问和攻击。
4. 典型生态项目
- SpamAssassin:一个广泛使用的垃圾邮件过滤系统,可以与 Haraka 集成,提供强大的垃圾邮件防护。
- DKIM:DomainKeys Identified Mail,用于验证邮件发送者的身份,防止邮件伪造。
- Postfix:一个功能强大的邮件传输代理(MTA),可以与 Haraka 结合使用,提供更全面的邮件处理能力。
- Dovecot:一个高性能的 IMAP 和 POP3 服务器,可以与 Haraka 结合使用,提供完整的邮件存储和检索解决方案。
通过这些生态项目的结合,Haraka 可以构建一个功能强大且高度可扩展的邮件处理系统。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07