Umami 项目中的 CORS 头部缺失问题分析与解决方案
问题背景
在 Umami 2.16.1 版本中,当用户设置自定义收集端点(COLLECT_API_ENDPOINT)时,出现了跨域资源共享(CORS)头部缺失的问题。这个问题导致网站访问数据无法被正确收集,因为浏览器会阻止跨域请求。
问题原因分析
经过深入调查,发现问题的根源在于 Umami 的 CORS 头部设置机制:
-
默认配置限制:Umami 默认只在
/api/*路径下设置 CORS 头部,当用户设置的自定义收集端点不在/api/路径下时,这些必要的头部信息就不会被包含在响应中。 -
Docker 部署的特殊性:在 Docker 环境中,问题表现略有不同。Docker 版本使用了一个中间件(middleware.js)来处理请求,这个中间件使用了
NextResponse.rewrite(url)方法,但该方法不会自动转发响应头部,导致 CORS 头部丢失。
解决方案
针对这个问题,社区提出了以下解决方案:
-
代码修复:通过修改代码,使 CORS 头部能够被设置在任何自定义收集端点上,而不仅限于
/api/路径。这个修复已经被合并到主分支中。 -
临时解决方案:
- 对于非 Docker 部署,可以暂时将收集端点设置为
/api/路径下的地址 - 对于 Docker 部署,可以通过反向代理(如 Nginx)手动添加 CORS 头部
- 使用 CDN 服务商的转换规则添加必要的 CORS 头部
- 对于非 Docker 部署,可以暂时将收集端点设置为
技术细节
在修复后的版本中,一个正常的 OPTIONS 请求响应应该包含以下头部:
Access-Control-Allow-Origin: *
Access-Control-Allow-Headers: *
Access-Control-Allow-Methods: GET, DELETE, POST, PUT
Access-Control-Max-Age: 86400
这些头部确保了浏览器能够正确执行跨域请求,允许从任何来源(*)发送请求,支持多种 HTTP 方法,并设置了头部缓存时间。
版本兼容性
这个问题在 2.16.1 版本中被发现,并在后续版本中得到了修复。用户可以通过升级到最新版本来解决这个问题。对于无法立即升级的用户,可以采用上述临时解决方案。
总结
CORS 问题在现代 web 应用中很常见,特别是在涉及跨域数据收集的场景中。Umami 项目通过社区贡献解决了这个特定问题,展示了开源协作的优势。对于使用自定义收集端点的用户,建议升级到包含修复的版本,或者根据部署环境选择合适的临时解决方案。
理解这类问题的本质有助于开发人员更好地调试和解决类似的前后端交互问题,特别是在涉及跨域请求的复杂场景中。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00