Coolify项目中Plausible Analytics在ARM架构下的邮件服务解决方案
2025-05-03 05:33:30作者:邵娇湘
背景介绍
在自托管网站分析工具Plausible Analytics的部署过程中,特别是在ARM架构的服务器上,用户经常遇到邮件服务无法正常工作的问题。这个问题主要源于Docker镜像的架构兼容性问题,特别是在使用Coolify进行部署时尤为突出。
问题根源分析
当用户在ARM架构的服务器(如树莓派或基于ARM的云服务器)上部署Plausible时,邮件服务容器会报错"exec format error"。这是因为默认的SMTP邮件服务镜像是为x86架构编译的,无法在ARM处理器上直接运行。
解决方案探索
方案一:使用兼容ARM的替代镜像
社区成员发现可以使用navanchauhan/smtp镜像替代原邮件服务镜像。这个镜像提供了ARM架构支持,能够解决兼容性问题。修改Docker Compose文件中的邮件服务部分即可实现:
mail:
image: navanchauhan/smtp
方案二:完全移除邮件服务容器
更彻底的解决方案是完全移除邮件服务容器,改为直接配置Plausible使用外部SMTP服务。这种方法需要配置以下环境变量:
MAILER_ADAPTER=Bamboo.Mua
MAILER_EMAIL=your_email@example.com
MAILER_NAME=Plausible Analytics
SMTP_HOST_ADDR=smtp.example.com
SMTP_HOST_PORT=587
SMTP_USER_NAME=username
SMTP_USER_PWD=password
SMTP_HOST_SSL_ENABLED=false
技术实现细节
对于选择方案二的用户,需要特别注意以下几点:
- 确保SMTP服务提供商支持您使用的端口和加密方式
- 某些云服务商(如Hetzner)可能需要使用587端口而非默认的465端口
- 如果使用Resend等现代邮件服务,需要正确配置API密钥而非传统密码
Coolify项目的改进方向
Coolify开发团队已经意识到这个问题,并考虑了几种长期解决方案:
- 启用QEMU模拟器,使x86镜像能在ARM架构上运行
- 维护一个更新的多架构邮件服务镜像
- 在模板中提供ARM架构的替代配置选项
最佳实践建议
对于生产环境部署,建议:
- 优先使用方案二,直接配置外部SMTP服务
- 如果必须使用本地邮件服务,选择明确支持ARM架构的镜像
- 定期检查Coolify的更新,获取官方修复方案
总结
ARM架构服务器在部署Plausible Analytics时的邮件服务问题是一个典型的架构兼容性问题。通过本文介绍的解决方案,用户可以顺利在ARM设备上部署完整的Plausible服务。Coolify团队正在积极改进这一问题,未来版本将提供更优雅的解决方案。
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217