解决OneTimeSecret项目Docker部署中manifest.json缺失问题
2025-07-02 05:46:59作者:乔或婵
问题背景
在使用Docker Compose部署OneTimeSecret项目时,开发者遇到了前端资源加载失败的问题。具体表现为系统提示manifest.json文件未找到,并建议运行pnpm run build命令。这一问题影响了前后端的正常通信,导致前端资源请求返回404错误。
问题分析
从日志中可以观察到几个关键现象:
- 系统报错明确指出
/app/public/web/dist/.vite/manifest.json文件缺失 - 前端资源请求(如CSS、JS和字体文件)均返回404状态码
- 项目使用了Vite作为前端构建工具
- Docker容器中挂载了本地目录到容器内的/app路径
深入分析后发现,问题的根源在于前端资源构建流程未正确执行。OneTimeSecret项目采用了现代前端开发工具链,需要先构建生成静态资源才能正常运行。
解决方案
方案一:本地构建前端资源
在宿主机上执行以下命令构建前端资源:
pnpm run build:local
这个命令会执行以下操作:
- 运行类型检查
- 使用Vite构建工具生成生产环境的前端资源
- 创建包含资源哈希的manifest.json文件
- 将构建产物输出到public/web/dist目录
方案二:容器内构建
如果需要在Docker容器内构建,可以使用:
pnpm run build
需要注意的是,容器内构建缺少本地开发配置(vite.config.local.ts),因此可能需要进行适当调整。
文件权限问题
构建完成后,还需要确保Docker容器能够访问这些文件。检查以下方面:
- 构建产物是否生成在正确目录
- 文件权限是否允许容器进程读取
- 挂载的卷配置是否正确
Docker Compose配置注意事项
在Docker Compose配置中,特别需要注意volumes挂载的设置:
volumes:
- .:/app
这种配置会将宿主机当前目录完全映射到容器内的/app目录,可能导致以下问题:
- 覆盖容器内已存在的文件
- 权限问题导致容器无法访问某些文件
- 开发环境和生产环境文件混合
建议的解决方案:
- 明确指定需要挂载的目录
- 确保构建过程在正确的环境下执行
- 检查挂载后的文件权限
最佳实践建议
- 构建分离:建议在宿主机上完成前端构建,再将构建产物包含到Docker镜像中
- 环境区分:明确区分开发环境和生产环境的构建配置
- 权限管理:确保Docker容器用户有足够的权限访问所需文件
- 日志监控:密切关注应用日志,及时发现资源加载问题
- 缓存利用:合理配置构建缓存,提高重复构建效率
总结
OneTimeSecret项目的Docker部署问题主要源于前端资源构建流程的执行时机和环境配置。通过正确执行构建命令、合理配置Docker挂载卷以及检查文件权限,可以有效解决manifest.json缺失和资源加载404的问题。
对于类似的全栈项目部署,关键在于理解整个应用的构建和运行流程,确保每个环节的输出符合下一环节的输入要求。特别是在容器化部署场景下,更需要关注环境一致性、文件路径和权限等细节问题。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
Ascend Extension for PyTorch
Python
192
212
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++
649
270
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
297
111
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
384
3.68 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143