Uptime-Kuma 反向代理配置问题解析与解决方案
在使用 Uptime-Kuma 监控工具时,许多用户会遇到反向代理配置不当导致无法访问的问题。本文将深入分析常见配置错误,并提供专业可靠的解决方案。
常见配置问题分析
大多数用户在配置 Nginx 反向代理时容易犯以下几个错误:
-
子目录路径问题:尝试将 Uptime-Kuma 部署在子目录下(如 example.com/uptimekuma),这是目前版本不支持的配置方式
-
代理头设置不完整:缺少必要的 HTTP 头信息,特别是 WebSocket 升级头
-
端口映射错误:容器端口与主机端口映射不一致
正确的 Nginx 配置方案
以下是经过验证的标准 Nginx 反向代理配置(带 SSL):
server {
listen 443 ssl;
server_name status.example.com;
ssl_certificate /path/to/cert.pem;
ssl_certificate_key /path/to/key.pem;
location / {
proxy_pass http://localhost:3001;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
# WebSocket 支持
proxy_http_version 1.1;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
}
}
关键配置说明
-
域名配置:必须使用独立域名或子域名,不能使用子目录路径
-
WebSocket 支持:必须包含 Upgrade 和 Connection 头,否则实时监控功能将无法正常工作
-
安全头设置:X-Forwarded-* 系列头确保应用能正确识别客户端信息
Docker 部署注意事项
使用 Docker 部署时,需要确保:
-
端口映射正确:
- "3001:3001"表示将容器内 3001 端口映射到主机 3001 端口 -
数据卷配置:持久化存储监控数据,避免容器重启后数据丢失
-
网络配置:确保容器网络与主机网络能够正常通信
故障排查步骤
当反向代理不工作时,建议按以下步骤排查:
-
检查 Nginx 错误日志:通常位于 /var/log/nginx/error.log
-
直接访问后端服务:尝试直接访问 http://localhost:3001 确认 Uptime-Kuma 是否正常运行
-
检查端口监听状态:使用
netstat -tulnp或ss -tulnp确认 3001 端口是否被监听 -
验证 SSL 证书:确保证书路径正确且权限设置合理
通过以上专业配置和排查方法,可以解决绝大多数 Uptime-Kuma 反向代理相关的问题,确保监控服务稳定可靠地运行。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00