WhatsUpDocker中Docker Compose自动更新配置指南
2025-07-05 08:15:29作者:郁楠烈Hubert
WhatsUpDocker(简称WUD)是一个实用的Docker容器监控工具,能够自动检测容器镜像的更新情况。本文将详细介绍如何正确配置WUD的Docker Compose触发器功能,实现容器镜像的自动更新。
核心配置要点
在配置WUD的Docker Compose触发器时,有几个关键配置项需要注意:
- 触发器类型定义:必须明确指定触发器类型为
DOCKERCOMPOSE - 文件路径设置:需要正确映射主机上的docker-compose.yml文件路径到容器内
- 更新策略配置:可以设置更新阈值(threshold)和是否自动更新(auto)等参数
典型配置示例
以下是一个完整的WUD配置示例,展示了如何为一个名为"maintainerr"的项目设置自动更新:
version: '3'
services:
whatsupdocker:
image: fmartinou/whats-up-docker
container_name: wud
volumes:
- /var/run/docker.sock:/var/run/docker.sock
- /home/docker/docker_compose_projects:/docker_compose_projects
environment:
- WUD_TRIGGER_DOCKERCOMPOSE_MAINTAINERR_THRESHOLD=minor
- WUD_TRIGGER_DOCKERCOMPOSE_MAINTAINERR_BACKUP=true
- WUD_TRIGGER_DOCKERCOMPOSE_MAINTAINERR_FILE=/docker_compose_projects/maintainerr/docker-compose.yml
- WUD_TRIGGER_DOCKERCOMPOSE_MAINTAINERR_AUTO=true
配置参数详解
-
THRESHOLD参数:决定触发更新的版本级别
major:仅主版本更新时触发minor:次版本及以上更新时触发(推荐设置)patch:任何版本更新都触发
-
BACKUP参数:设置为true时,WUD会在更新前自动备份原docker-compose文件
-
FILE参数:必须指向容器内可访问的docker-compose.yml文件路径
-
AUTO参数:设置为true时允许自动更新,false则只通知不自动更新
项目配置要求
被监控的项目需要在docker-compose.yml中添加特定标签才能被WUD识别:
services:
maintainerr:
image: ghcr.io/jorenn92/maintainerr:2.8.0
labels:
- 'wud.tag.include=^\d+\.\d+\.\d+$$'
- 'wud.link.template=https://github.com/jorenn92/Maintainerr/releases/tag/v$${major}.$${minor}.$${patch}'
其中wud.tag.include定义了版本号的正则匹配模式,wud.link.template则指定了版本更新链接模板。
常见问题解决
-
触发器不显示在UI中:通常是由于使用了旧版本镜像导致,建议更新到最新版本
-
路径映射问题:确保主机上的docker-compose文件路径正确映射到容器内
-
权限问题:WUD容器需要有权限读写目标docker-compose文件
通过以上配置,WhatsUpDocker可以有效地监控并自动更新Docker Compose项目,大大简化了容器维护工作。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
321
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
Ascend Extension for PyTorch
Python
157
178
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++
640
249
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
244
86
暂无简介
Dart
608
136
React Native鸿蒙化仓库
JavaScript
239
311
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
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.03 K