Scrutiny监控工具中配置HTTP协议连接本地Gotify服务器的方法
背景介绍
Scrutiny是一款优秀的硬件监控工具,它能够通过Gotify等通知服务向用户发送告警信息。在实际部署中,很多用户会选择在本地网络环境中搭建Gotify服务器,并使用HTTP协议而非HTTPS进行通信。然而,Scrutiny默认会使用HTTPS协议连接Gotify服务器,这导致了一些配置上的困扰。
问题分析
当用户尝试配置Scrutiny连接本地Gotify服务器时,常见的配置方式如下:
notify:
urls:
- "gotify://10.0.0.1:8030/BsbtZ6qVwOzOdeu"
这种配置下,Scrutiny会默认使用HTTPS协议尝试连接,导致出现"http: server gave HTTP response to HTTPS client"的错误。这是因为本地测试环境通常不会配置SSL/TLS证书,而使用简单的HTTP协议。
解决方案
Scrutiny底层使用shoutrrr库来处理通知发送功能。针对HTTP协议的需求,shoutrrr提供了disableTls参数来禁用TLS加密。以下是两种有效的配置方法:
方法一:使用Gotify专用URL格式
notify:
urls:
- "gotify://gotify-host:gotify-port/gotify-token?disableTls=yes"
这种格式保持了Gotify通知的专用URL结构,同时通过查询参数disableTls=yes明确指定不使用TLS加密。
方法二:使用通用Webhook格式
notify:
urls:
- "http://gotify-host:gotify-port/message?token=app-token&disableTls=yes"
这种格式直接使用HTTP协议,并显式指定Gotify的消息端点路径和认证token。
技术原理
Gotify服务默认监听两个端点:
/message:用于接收消息推送/health:用于健康检查
当使用HTTPS协议时,客户端和服务器之间会建立加密通道。而在内部网络环境中,出于简化部署的考虑,管理员可能选择不配置SSL证书,直接使用HTTP协议。disableTls参数的作用就是告诉客户端跳过TLS握手过程,直接使用明文HTTP协议通信。
最佳实践建议
-
生产环境安全:虽然本文介绍了禁用TLS的方法,但在生产环境中仍建议配置有效的SSL证书,确保通信安全。
-
网络隔离:如果必须使用HTTP协议,确保Gotify服务器部署在受保护的内部网络中,不直接暴露在公网。
-
测试验证:配置完成后,建议触发测试通知,并在Scrutiny日志中确认通知是否成功发送。
-
参数检查:确保token参数正确无误,且Gotify服务器防火墙规则允许来自Scrutiny主机的连接。
通过以上方法,用户可以灵活地根据实际环境需求配置Scrutiny与Gotify服务器的通信方式,既保证了内部测试环境的便捷性,也为生产环境的安全部署提供了指导。
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-1.5暂无简介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-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