Speedtest-Tracker 时间设置与服务器ID配置问题解析
2025-06-20 19:46:56作者:胡唯隽
问题背景
在使用Speedtest-Tracker进行网络测速监控时,用户遇到了两个主要问题:时间显示不正确以及无法正确使用预设的服务器ID进行测速。这些问题通常与容器化环境中的配置参数设置不当有关。
关键配置分析
时间相关配置
在Docker Compose配置中,时间相关的环境变量设置如下:
environment:
- TZ=Europe/Berlin
- APP_TIMEZONE=Europe/Berlin
- DISPLAY_TIMEZONE=Europe/Berlin
- CHART_DATETIME_FORMAT=d.m.Y H:i
- DATETIME_FORMAT=d.m.Y H:i
这些配置理论上应该确保系统使用欧洲/柏林时区,并以"日.月.年 时:分"的格式显示时间。但实际应用中可能出现时间显示不正确的情况。
服务器ID配置
服务器ID通过以下参数指定:
- SPEEDTEST_SERVERS=30906
这个参数理论上应该让Speedtest-Tracker使用ID为30906的特定服务器进行测速。
常见问题原因
-
配置参数格式错误:特别是时间格式参数,是否需要引号或括号包裹存在不确定性。
-
缓存未更新:容器内的应用配置缓存可能导致新设置不生效。
-
无效的参数值:如示例中的
PRUNE_RESULTS_OLDER_THAN=true实际上应该是一个数字值,表示保留结果的天数。 -
容器未重启:修改配置后未重启容器导致新设置未加载。
解决方案
-
修正无效参数:
- 将
PRUNE_RESULTS_OLDER_THAN=true改为具体天数,如PRUNE_RESULTS_OLDER_THAN=30表示保留30天内的结果 - 移除不必要的参数
OOKLA_EULA_GDPR
- 将
-
确保时间格式参数正确:
- CHART_DATETIME_FORMAT="d.m.Y H:i" - DATETIME_FORMAT="d.m.Y H:i" -
刷新应用缓存:
- 进入容器:
docker exec -it speedtest-tracker bash - 切换到应用目录:
cd /app/www - 刷新缓存:
php artisan optimize - 退出并重启容器
- 进入容器:
-
验证服务器可用性:
- 确认指定的服务器ID(30906)在用户所在区域确实可用
- 可以尝试不指定服务器ID,让系统自动选择最优服务器进行测试
最佳实践建议
- 配置修改后务必重启容器
- 使用
docker logs speedtest-tracker查看容器日志,排查可能的错误信息 - 对于时间问题,可以在容器内执行
date命令验证系统时间是否正确 - 对于服务器选择问题,可以临时移除
SPEEDTEST_SERVERS参数,测试自动选择功能是否正常
通过以上步骤,大多数时间显示和服务器选择问题都能得到解决。如果问题依旧存在,建议检查数据库连接是否正常,以及应用是否有足够的权限访问所需资源。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
667
153
Ascend Extension for PyTorch
Python
216
235
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
304
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
255
321
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
63
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866