Pi-hole Docker 镜像 2025.03.0 版本技术解析
项目简介
Pi-hole 是一个开源的网络广告和隐私保护工具,通过 DNS 级别的过滤来保护整个网络的隐私和安全。其 Docker 镜像版本为在各种环境中部署 Pi-hole 提供了便捷的方式。本次发布的 2025.03.0 版本主要解决了 Synology 设备上的一些兼容性问题,并带来了多项功能改进和安全增强。
核心更新内容
Docker 相关改进
-
Docker 密钥处理机制优化
重新引入了 Docker 密钥处理功能,特别是对 WEBPASSWORD_FILE 的支持,现在该文件会被正确挂载到 /run/secrets 目录下。这一改进增强了密码管理的安全性,符合 Docker 的最佳实践。 -
DNS 端口健康检查适配
现在 Docker 健康检查会正确识别配置的 DNS 端口,而不是使用硬编码的默认值。这使得在自定义端口配置下,容器健康状态检测更加准确。 -
NTP 端口支持
在 Docker Compose 示例和 Dockerfile 中添加了对 NTP 端口的显式声明,这对于需要精确时间同步的环境尤为重要。 -
基础镜像更新
测试容器已升级至 Alpine 3.21 和 docker_cli 28.0.0,带来了更好的安全性和兼容性。
FTL 引擎升级 (v6.0.4)
-
安全增强
新增了 webhome 验证器和环境变量验证机制,提高了系统的整体安全性。同时修复了安全随机数源获取失败时的崩溃问题。 -
性能优化
默认将 webserver.threads 值调整为 50,提高了 Web 服务器的并发处理能力。CivetWeb 线程的优先级(niceness)也得到了调整,优化了系统资源分配。 -
嵌入式组件更新
包含了最新版本的 CivetWeb 和 dnsmasq,修复了多个已知问题并提升了稳定性。 -
IPv6 支持改进
修复了首次 IPv6 客户端名称解析的问题,完善了对 IPv6 网络环境的支持。
Web 界面改进 (v6.0.2)
-
用户体验优化
- 查询日志表现状态现在会被无限期保存
- 图形标题中移除了硬编码的时间范围
- 内存单位显示会根据设备实际内存大小智能调整
- 增加了网络表格中按主机名过滤的功能
-
DNS 配置增强
- 改进了 DNS 设置页面的信息提示
- 现在会显示接口名称,便于多接口环境下的管理
- 修复了通配符域名插入的多个问题
-
前端改进
- 优化了图像压缩,提高了页面加载速度
- 更新了前端依赖项,提升了兼容性和安全性
核心组件更新 (v6.0.5)
-
错误处理改进
- 优化了 dig 命令的错误处理逻辑
- 修复了无文件变更时的错误提示问题
- 改进了服务管理中的错误消息显示
-
权限管理增强
修复了 /etc/pihole 目录权限设置的路径问题,确保了配置文件的正确访问控制。 -
安装检测优化
改进了更新/全新安装的检测机制,使安装过程更加可靠。 -
Alpine/Docker 兼容性修复
专门解决了 Alpine Linux 和 Docker 环境下的 gravity.sh 脚本运行问题。
技术亮点
-
Synology 设备兼容性
此版本特别针对运行较旧内核的 Synology 设备进行了优化,解决了之前可能导致崩溃的问题。之前需要使用特殊标签(:synology-crash)的用户现在可以回归主线版本。 -
安全实践
通过 Docker 密钥管理、环境变量验证和随机数生成加固等多层次安全改进,显著提升了系统的整体安全性。 -
资源管理
从线程优先级调整到内存显示优化,多项改进使得 Pi-hole 在各种硬件环境下都能更高效地运行。 -
IPv6 支持完善
对 IPv6 环境的支持更加成熟,特别是在客户端名称解析方面有了显著改进。
升级建议
对于现有用户,特别是:
- 使用 Synology 设备的用户
- 自定义了 DNS 端口的部署
- 需要更严格安全控制的环境
- 运行在资源有限的设备上
建议尽快升级到此版本以获得更好的稳定性、安全性和功能体验。升级过程通常只需拉取新镜像并重新创建容器即可,配置和数据会自动保留。
对于新用户,此版本提供了更完善的功能集和更稳定的基础,是开始使用 Pi-hole Docker 版本的理想选择。
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