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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。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