Beszel项目:单机部署Hub与Agent的容器网络配置指南
2025-05-21 10:51:47作者:傅爽业Veleda
容器网络通信的核心挑战
在容器化环境中实现组件间通信时,网络配置往往成为关键挑战。Beszel作为监控管理工具,其Hub与Agent组件的协同工作需要特别注意网络连通性问题。当两者部署在同一主机时,需要理解Docker网络模型才能正确配置。
典型配置方案解析
方案一:Host网络模式与网关映射
这是Beszel官方推荐的标准解决方案,适用于大多数Linux环境:
services:
beszel:
image: henrygd/beszel
extra_hosts:
- "host.docker.internal:host-gateway"
ports:
- "1625:8090"
beszel-agent:
image: henrygd/beszel-agent
network_mode: host
技术要点:
extra_hosts创建了主机名映射,使容器能通过host.docker.internal访问宿主机network_mode: host让Agent共享主机网络栈- 添加系统时应使用
host.docker.internal作为主机地址
方案二:自定义桥接网络
适用于需要隔离网络环境的场景:
networks:
beszel-net:
services:
beszel:
networks:
- beszel-net
beszel-agent:
networks:
- beszel-net
hostname: beszel-agent
技术优势:
- 创建专属网络提高安全性
- 通过容器hostname直接通信
- 避免使用host网络模式的风险
特殊环境适配方案
MacOS Docker Desktop适配
由于MacOS的Docker实现差异,需要特殊处理:
services:
beszel-agent:
ports:
- "45876:45876"
# 移除network_mode配置
关键差异:
- MacOS虚拟化层限制host网络模式效果
- 内置
host.docker.internal解析无需额外配置 - 必须显式暴露Agent端口
最佳实践建议
- 生产环境推荐使用方案二的桥接网络模式
- 测试环境可使用方案一的简化配置
- MacOS开发者必须注意端口映射
- 始终检查/var/run/docker.sock的挂载权限
- 监控日志确认连接状态
故障排查checklist
当Agent未正常连接时,建议检查:
- 容器间网络连通性(使用ping/telnet测试)
- 端口映射是否正确
- 防火墙规则是否放行
- 密钥配置是否匹配
- 文件系统挂载点是否正确
通过理解这些网络配置原理,可以确保Beszel系统在各种环境下稳定运行。不同方案各有优劣,应根据实际需求选择最适合的部署方式。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869