Wetty项目Docker Compose配置指南:解决SSH终端容器化部署问题
概述
Wetty是一个基于Web的终端模拟器,允许用户通过浏览器访问远程服务器的命令行界面。本文将详细介绍如何正确使用Docker Compose配置Wetty容器,特别是解决在Raspberry Pi等设备上部署时遇到的常见问题。
常见配置误区
许多用户在配置Wetty容器时容易犯一个典型错误:错误地使用环境变量来传递SSH连接参数。实际上,Wetty项目官方文档明确指出,这些参数应该作为程序参数传递,而非环境变量。
错误示例(使用环境变量):
environment:
- REMOTE_SSH_SERVER=host.docker.internal
正确配置方法
正确的Docker Compose配置应该使用command指令来传递SSH连接参数:
version: "3"
services:
wetty:
image: wettyoss/wetty:latest
container_name: wetty
extra_hosts:
- "host.docker.internal:host-gateway"
command:
- "--ssh-host"
- "host.docker.internal"
ports:
- 3002:3000
restart: unless-stopped
关键配置解析
-
extra_hosts配置:这个设置允许容器内部解析
host.docker.internal到宿主机,是实现容器与宿主机通信的关键。 -
command参数:正确传递SSH连接参数的方式,可以添加多个参数如
--ssh-user等。 -
端口映射:将容器内部的3000端口映射到宿主机的3002端口,可根据实际需求调整。
常见问题解决方案
-
SSH连接失败:确保宿主机SSH服务正常运行,并且容器内可以正确解析宿主机地址。可以通过在容器内执行
ping host.docker.internal和ssh pi@host.docker.internal来测试。 -
CasaOS兼容性问题:某些轻量级容器管理系统可能不支持完整的Docker Compose功能,如
extra_hosts配置。这种情况下,建议使用标准Docker环境或Portainer进行管理。 -
首次连接成功但后续失败:可能是SSH密钥验证问题,考虑在Wetty配置中添加
--ssh-identity参数指定密钥文件。
最佳实践建议
-
安全性考虑:生产环境中建议使用SSH密钥认证而非密码,可以通过添加
--ssh-identity参数实现。 -
多用户支持:如果需要支持多用户登录,可以考虑结合Nginx等反向代理实现基于路径或子域名的多实例部署。
-
性能优化:在资源受限的设备如Raspberry Pi上,可以考虑使用Alpine Linux基础镜像的Wetty变体以减少资源占用。
通过以上配置和优化,用户可以在各种环境中稳定地部署Wetty,实现通过浏览器访问宿主机终端的功能。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00