如何在本地部署Plausible社区版并追踪单页应用访问数据
前言
Plausible是一款轻量级的网站分析工具,其社区版(Plausible CE)允许用户自行部署。对于开发者而言,在正式上线前在本地环境测试其功能非常必要。本文将详细介绍如何在本地机器上通过Docker部署Plausible CE,并配置其追踪本地运行的React单页应用(SPA)的访问数据。
环境准备
在开始前,请确保您的系统已安装以下组件:
- Docker及Docker Compose
- Git
- OpenSSL(用于生成密钥)
部署步骤
1. 克隆项目代码
首先需要获取Plausible社区版的源代码。建议使用特定版本以确保稳定性:
git clone -b v2.1.3 --single-branch https://github.com/plausible/community-edition plausible-ce
cd plausible-ce
2. 配置环境变量
创建.env文件并设置必要的环境变量:
touch .env
echo "BASE_URL=http://localhost:8000" >> .env
echo "SECRET_KEY_BASE=$(openssl rand -base64 48)" >> .env
这里需要特别说明BASE_URL的配置:
- BASE_URL应设置为Plausible自身的访问地址
- 对于本地测试,使用http://localhost加端口号的形式
- 端口号8000是默认设置,可根据需要修改
3. 配置Docker端口映射
创建compose.override.yml文件来设置端口映射:
cat > compose.override.yml << EOF
services:
plausible:
ports:
- 8000:8000
EOF
4. 启动服务
使用Docker Compose启动所有服务:
docker compose up -d
配置单页应用追踪
1. 获取追踪代码
Plausible启动后,访问http://localhost:8000完成初始注册。在管理界面中,您可以获取用于追踪的JavaScript代码片段。
2. 集成到React应用
将获取的追踪代码添加到您的React单页应用中。对于使用Vite创建的React项目,可以在index.html或根组件中添加:
<script defer data-domain="localhost" src="http://localhost:8000/js/script.js"></script>
3. 特殊配置说明
对于本地开发环境,需要注意以下几点:
- 确保Plausible和您的应用使用不同的端口号
- 不需要配置HTTPS,直接使用HTTP协议
- 数据域(data-domain)可以设置为"localhost"或任何您喜欢的标识符
常见问题解决
1. 注册按钮无响应
如果遇到注册页面按钮无响应的情况,检查Docker日志中的错误信息。常见原因包括:
- 数据库初始化失败
- 端口冲突
- 环境变量配置错误
2. 数据不显示
如果追踪代码已添加但数据不显示:
- 确保Plausible服务正常运行
- 检查浏览器控制台是否有加载脚本的错误
- 确认没有广告拦截器阻止了追踪请求
进阶配置
1. 自定义端口
如果需要使用其他端口,修改compose.override.yml中的端口映射和.env中的BASE_URL即可。
2. 持久化数据
默认情况下,数据会随容器停止而消失。如需持久化,可以配置Docker卷来保存数据库数据。
结语
通过以上步骤,您已成功在本地部署了Plausible社区版,并配置其追踪本地开发的单页应用。这种配置非常适合开发阶段的测试和验证,待功能确认后再考虑生产环境部署。Plausible的轻量级特性使其成为替代Google Analytics的优秀选择,特别是在注重隐私保护的场景下。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00