Drawnix Docker部署教程:3分钟搭建你的私有白板服务
你是否还在为团队协作时找不到合适的在线白板工具而烦恼?或者担心公有云服务的隐私安全问题?本文将带你通过Docker容器技术,在3分钟内快速搭建属于自己的私有白板服务,无需复杂配置,只需简单几步即可拥有一个功能完备的开源白板工具。
读完本文后,你将能够:
- 理解Drawnix的Docker部署流程
- 掌握Docker镜像的拉取与运行方法
- 完成私有白板服务的访问与基本配置
- 了解常见问题的解决方法
什么是Drawnix
Drawnix是一款开源白板工具(SaaS),提供一体化白板解决方案,包含思维导图、流程图、自由画等多种功能。其名称源于绘画(Draw)与凤凰(Phoenix)的灵感交织,象征着生生不息的创造力。
Drawnix基于插件架构,支持多种UI框架(如Angular、React)和富文本框架(当前仅支持Slate框架),能够满足不同场景下的白板需求。
准备工作
在开始部署前,请确保你的系统已安装Docker环境。如果尚未安装,可以参考Docker官方文档进行安装。
快速部署步骤
1. 获取Docker镜像
Drawnix提供了预构建的Docker镜像,你可以通过以下命令直接拉取最新版本:
docker pull pubuzhixing/drawnix:latest
如果你希望从源码构建镜像,可以克隆项目仓库后自行构建:
git clone https://gitcode.com/GitHub_Trending/dr/drawnix.git
cd drawnix
docker build -t drawnix:local .
项目的Dockerfile定义了完整的构建流程,采用多阶段构建策略,首先使用Node.js环境构建应用,然后使用轻量级静态网站服务器运行应用:Dockerfile
2. 运行Docker容器
使用以下命令启动Drawnix容器:
docker run -d -p 8080:80 --name drawnix pubuzhixing/drawnix:latest
参数说明:
-d: 后台运行容器-p 8080:80: 将容器的80端口映射到主机的8080端口--name drawnix: 为容器指定名称
3. 访问Drawnix服务
容器启动后,打开浏览器访问以下地址即可使用Drawnix白板服务:
http://localhost:8080
高级配置
自定义端口映射
如果需要使用不同的端口,可以修改端口映射参数:
docker run -d -p 3000:80 --name drawnix pubuzhixing/drawnix:latest
上述命令将使用主机的3000端口映射到容器的80端口。
持久化数据
Drawnix默认使用浏览器缓存来保存数据。如果需要实现数据持久化,可以通过挂载卷的方式保存应用数据:
docker run -d -p 8080:80 -v drawnix-data:/home/static --name drawnix pubuzhixing/drawnix:latest
验证部署
成功部署后,你将看到Drawnix的登录界面。Drawnix提供了丰富的功能,包括:
- 思维导图、流程图绘制
- 自由画笔工具
- 插入图片
- 导出为PNG、JSON(.drawnix)格式
- 自动保存(浏览器缓存)
- 无限画布缩放、滚动
- 主题模式切换
常见问题解决
端口冲突
如果启动容器时提示端口已被占用,可以通过以下命令查看端口占用情况:
netstat -tuln | grep 8080
然后更换未被占用的端口重新启动容器。
容器启动失败
如果容器启动失败,可以通过以下命令查看日志:
docker logs drawnix
根据日志信息排查问题。
如何更新Drawnix
要更新到最新版本,可以先停止并删除当前容器,然后拉取最新镜像并重新启动:
docker stop drawnix
docker rm drawnix
docker pull pubuzhixing/drawnix:latest
docker run -d -p 8080:80 --name drawnix pubuzhixing/drawnix:latest
总结
通过Docker部署Drawnix,你可以在几分钟内搭建起一个功能完备的私有白板服务,满足团队协作、创意设计等多种需求。Drawnix的开源特性保证了数据隐私和自定义扩展的可能性,是替代商业白板工具的理想选择。
如果你想了解更多关于Drawnix的使用技巧和开发指南,可以参考项目的官方文档:README.md
希望本教程能帮助你快速部署Drawnix私有白板服务,享受高效的协作体验!
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

