Caddy Docker Proxy 中实现多域名独立监控指标的方法
背景介绍
在使用Caddy Docker Proxy插件时,用户经常需要监控不同域名或子域名的访问情况。默认情况下,Caddy的指标处理器会聚合所有域名的监控数据,这给需要按域名分析访问情况的场景带来了不便。
问题分析
在Caddy v2.8.x及更早版本中,指标处理器(metrics handler)会将所有域名的访问数据合并统计,无法区分不同域名的访问情况。这对于托管多个独立网站或服务的场景来说,监控数据的粒度显得过于粗糙。
解决方案
Caddy开发团队已经意识到这个问题,并在最新版本中提供了解决方案:
-
版本要求:该功能已在Caddy v2.9.0-beta.3版本中实现,并将在下一个稳定版(v2.9.0)中正式发布。
-
实现原理:通过PR #6531的修改,Caddy现在可以按主机名(host)区分和统计指标数据。这意味着每个域名或子域名都将有自己独立的访问统计。
-
配置方式:升级到支持版本后,无需额外配置,指标处理器会自动按域名区分统计。用户可以在Grafana等监控系统中看到按域名分类的详细指标。
注意事项
-
版本兼容性:生产环境建议等待v2.9.0稳定版发布后再升级,测试环境可以使用v2.9.0-beta.3体验此功能。
-
指标访问限制:默认情况下,Caddy的指标接口只允许本地访问(127.0.0.1)。如需远程访问,需要修改Caddyfile配置,添加适当的访问控制规则。
-
监控系统适配:在使用Grafana等工具展示指标时,可能需要调整查询语句和面板配置,以充分利用新的按域名分类的指标数据。
总结
Caddy Docker Proxy通过最新版本的更新,解决了多域名监控数据聚合的问题,为每个域名提供了独立的访问指标统计。这一改进大大增强了Caddy在复杂部署环境中的可观测性,使运维人员能够更精确地分析每个域名的访问情况和性能表现。
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-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