Docker-Mailserver 附件大小限制配置指南
2025-05-14 03:24:19作者:薛曦旖Francesca
问题背景
在使用 Docker-Mailserver 邮件服务器时,用户经常遇到附件大小限制的问题。虽然通过环境变量设置了较大的附件限制(如 102400000 字节),但在实际使用中(如通过 Gmail 客户端)仍然会遇到 10.2MB 的限制提示。
技术原理
邮件服务器的附件大小限制主要由 Postfix 的 message_size_limit 参数控制。这个参数决定了服务器能够接收的邮件总大小(包括附件)。默认情况下,Docker-Mailserver 设置为 10.24MB。
正确配置方法
1. 环境变量设置
在 docker-compose.yml 中,应正确设置以下环境变量:
environment:
POSTFIX_MESSAGE_SIZE_LIMIT: 102400000 # 约100MB
CLAMAV_MESSAGE_SIZE_LIMIT: 150M # 防病毒扫描限制
2. 容器重启注意事项
修改配置后,必须使用以下命令确保配置生效:
docker compose up --force-recreate
简单的重启可能不会加载新配置,这是许多用户遇到问题的常见原因。
测试验证方法
1. 创建测试文件
truncate --size 20MB /tmp/test-file.txt
2. 使用 swaks 工具测试
swaks --port 25 --from test@example.com --to user@yourdomain.com --attach @/tmp/test-file.txt
成功发送不会有输出,失败则会显示错误信息。
技术细节说明
-
Base64 编码影响:邮件附件使用 Base64 编码会增加约30%的大小。因此100MB的限制实际对应约75MB的原始文件。
-
多组件协调:除了 Postfix,还需要确保 ClamAV 等组件的限制也相应提高,避免成为瓶颈。
-
客户端缓存问题:某些邮件客户端可能会缓存服务器能力信息,导致修改后仍显示旧限制。清除客户端缓存或等待缓存过期可解决。
最佳实践建议
-
设置合理的附件大小限制,考虑服务器存储和带宽资源。
-
对于大附件,建议使用云存储链接替代直接发送。
-
定期测试附件限制是否按预期工作。
-
记录配置变更,便于问题排查。
通过以上方法和注意事项,可以确保 Docker-Mailserver 的附件大小限制按预期工作,满足业务需求。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146