Penpot项目导出功能故障排查与解决方案
2025-05-03 22:30:40作者:董斯意
问题现象
在使用Penpot自托管部署时,用户遇到了导出功能异常的问题。具体表现为:在Web界面点击"文件->导出"后,界面显示"导出中...0/1"并卡住,浏览器未弹出预期的PNG文件下载对话框。
环境配置
该问题出现在基于Red Hat Enterprise Linux 9.5的自托管环境中,使用Podman 5.2.2和systemd Quadlets部署。涉及的容器包括:
- Penpot后端服务
- Penpot前端服务
- Penpot导出服务
- PostgreSQL数据库
- Redis缓存服务
问题分析
通过检查日志发现,虽然导出服务实际完成了文件生成工作(可通过直接访问生成的URL下载文件),但前端界面未能正确接收和处理导出完成的通知。这表明系统各组件间的通信存在异常。
深入分析日志后,发现关键线索:
- 前端服务成功发送了导出请求到后端
- 导出服务正常处理了请求并生成了文件
- 前端未能接收到导出完成的通知
根本原因
问题根源在于多租户配置不一致。用户在后端服务中设置了PENPOT_TENANT=pro,但在导出服务中未做相应配置,导致两个服务使用不同的租户设置。这种不一致性使得Redis消息队列无法正确传递导出状态通知。
解决方案
解决此问题的方法很简单:
- 确保后端和导出服务使用相同的租户配置
- 推荐在两个服务中都设置
PENPOT_TENANT=default
具体配置示例:
# 后端服务配置
PENPOT_TENANT=default
# 导出服务配置
PENPOT_TENANT=default
最佳实践建议
为避免类似问题,在部署Penpot时应注意:
- 所有相关服务(前端、后端、导出)的租户配置必须一致
- Redis配置需要在所有服务中保持一致
- 确保
PENPOT_PUBLIC_URI在所有服务中正确设置 - 为安全考虑,应设置
PENPOT_SECRET_KEY
总结
Penpot的导出功能依赖于多个服务间的协调工作,任何配置不一致都可能导致功能异常。通过确保各服务的租户配置一致,可以有效解决导出功能卡住的问题。这提醒我们在部署复杂系统时,需要特别注意各组件间配置的协调性和一致性。
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
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219