WhatsUpDocker中Docker Compose自动更新配置指南
2025-07-05 09:08:38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
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 StartedRust0191
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 Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 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 Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220