subs-check项目在ARM平台上的部署与优化指南
2025-07-09 23:08:36作者:苗圣禹Peter
项目背景
subs-check是一款用于订阅链接检测和管理的开源工具,它能够自动检测代理节点的可用性、测速并生成优化后的订阅配置。该项目原生支持多种平台,但在ARM架构设备上的部署需要特别注意一些配置细节。
ARM平台部署挑战
在基于ARM架构的设备(如OpenWRT软路由)上部署subs-check时,用户可能会遇到组件兼容性问题。主要问题表现为sub-store服务无法正常运行,日志中会出现"signal: trace/breakpoint trap"错误提示。
解决方案
1. 禁用内置sub-store服务
通过修改配置文件,将sub-store-port参数设置为空字符串,可以禁用内置的sub-store服务:
sub-store-port: ""
这一修改可以避免sub-store服务崩溃导致的整体功能异常,同时核心的节点检测功能仍能正常工作。
2. 使用替代方案获取订阅配置
禁用sub-store服务后,用户可以直接从以下路径获取检测结果:
/app/output/all.yaml- 包含所有检测通过的节点信息- Web控制面板提供的管理界面
3. 高级配置:手动安装Node.js环境
对于需要完整功能的用户,可以在宿主机上手动安装Node.js环境:
- 在OpenWRT上安装Node.js
- 在配置文件中指定Node.js可执行文件路径
- 确保Node.js版本与sub-store服务兼容
配置优化建议
针对ARM平台性能特点,推荐以下配置调整:
# 降低并发数以适应ARM处理器性能
concurrent: 2
# 适当延长超时时间
timeout: 8000
# 使用轻量级测速地址
speed-test-url: "https://example.com/small-test-file"
# 禁用非必要功能以降低资源占用
media-check: false
性能监控与调优
在ARM设备上运行时,建议:
- 监控系统资源使用情况(CPU、内存)
- 根据设备性能调整并发数
- 定期检查日志文件,及时发现并解决问题
- 考虑设置定时重启策略,避免长时间运行导致的内存泄漏
总结
通过合理的配置调整,subs-check完全可以在ARM架构设备上稳定运行。对于资源受限的环境,建议优先使用核心功能,并根据实际需求逐步启用附加服务。随着ARM平台在边缘计算领域的普及,这类优化配置将变得越来越重要。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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