在RAGFlow中配置自定义SSL证书的完整指南
2025-05-01 04:12:01作者:幸俭卉
前言
在现代Web应用部署中,SSL/TLS加密已成为保障数据传输安全的基本要求。本文将详细介绍如何在RAGFlow这一开源项目中配置自定义SSL证书,包括证书准备、Nginx配置以及常见问题解决方案。
准备工作
在开始配置前,需要准备以下三个证书文件:
- 主证书文件(site.crt)
- 私钥文件(site.key)
- 证书链文件(site_chain.crt)
确保这些文件已由可信的证书颁发机构(CA)签发,或为有效的自签名证书。
Nginx配置详解
RAGFlow使用Nginx作为前端Web服务器,以下是完整的SSL配置示例:
server {
listen 443 ssl;
server_name your_domain.com;
# SSL证书配置
ssl_certificate /etc/nginx/ssl/site.crt;
ssl_certificate_key /etc/nginx/ssl/site.key;
ssl_trusted_certificate /etc/nginx/ssl/site_chain.crt;
# 性能优化配置
ssl_session_cache shared:SSL:10m;
ssl_session_timeout 10m;
ssl_protocols TLSv1.2 TLSv1.3;
ssl_ciphers HIGH:!aNULL:!MD5;
# 静态资源服务
root /ragflow/web/dist;
# Gzip压缩配置
gzip on;
gzip_min_length 1k;
gzip_comp_level 6;
gzip_types text/plain text/css application/json application/javascript;
# 代理配置
location ~ ^/(v1|api) {
proxy_pass http://localhost:9380;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
}
# 前端路由处理
location / {
try_files $uri $uri/ /index.html;
}
}
Docker Compose集成
在docker-compose.yml中,需要将证书文件挂载到容器内:
services:
ragflow:
volumes:
- ./nginx/conf.d/:/etc/nginx/conf.d/
- ./ssl/site.crt:/etc/nginx/ssl/site.crt:ro
- ./ssl/site.key:/etc/nginx/ssl/site.key:ro
- ./ssl/site_chain.crt:/etc/nginx/ssl/site_chain.crt:ro
常见问题排查
证书链验证问题
如果浏览器显示证书不受信任,请检查:
- 证书链文件是否完整
- 中间证书是否包含在证书链中
- 根证书是否受操作系统信任
混合内容问题
当网页部分资源仍通过HTTP加载时,可以添加以下响应头强制HTTPS:
add_header Content-Security-Policy "upgrade-insecure-requests";
嵌入网页功能异常
当使用"Embed into webpage"功能时,确保:
- 嵌入的iframe地址使用HTTPS协议
- 跨域资源共享(CORS)配置正确
- 内容安全策略(CSP)不阻止iframe加载
性能优化建议
- 启用OCSP Stapling减少证书验证时间
- 使用Session Ticket减少TLS握手开销
- 配置HTTP/2协议提升传输效率
结语
通过以上步骤,您已经成功在RAGFlow中配置了自定义SSL证书。定期检查证书有效期并设置自动续期,可以确保持续的安全访问。对于生产环境,建议使用Let's Encrypt等自动化证书管理工具简化维护工作。
登录后查看全文
热门项目推荐
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
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
暂无简介
Dart
663
152
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++
659
297
Ascend Extension for PyTorch
Python
215
235
React Native鸿蒙化仓库
JavaScript
254
320
仓颉编译器源码及 cjdb 调试工具。
C++
132
866
仓颉编程语言运行时与标准库。
Cangjie
139
874
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
1.18 K
648
仓颉编程语言开发者文档。
59
818