Stirling-PDF项目中使用Nginx反向代理配置子目录路径的解决方案
2025-04-30 09:44:28作者:蔡怀权
问题背景
在使用Stirling-PDF项目时,很多开发者希望通过Nginx反向代理将其部署在子目录下(如/stirling),而非根目录。然而在实际配置过程中,经常遇到资源加载路径错误的问题,表现为页面可以访问但CSS、JS等静态资源无法正确加载。
核心问题分析
当Stirling-PDF运行在Docker容器中并通过Nginx反向代理时,主要存在两个配置要点:
- Docker环境变量配置:需要在容器启动时设置正确的BASE_URL参数
- Nginx代理配置:需要正确处理路径重写和代理请求
详细解决方案
Docker容器配置
在docker-compose.yml文件中,必须明确设置BASE_URL环境变量:
environment:
- BASE_URL=/stirling
这个设置告诉Stirling-PDF应用它将被访问的基础路径是/stirling,这样应用生成的所有资源链接都会自动包含此前缀。
Nginx配置要点
Nginx配置需要特别注意以下几点:
- location匹配:确保正确捕获/stirling路径下的所有请求
- 代理头设置:传递必要的头信息
- 路径重写:正确处理应用内部路径
示例配置片段:
location /stirling/ {
proxy_pass http://localhost:8080/;
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 $scheme;
# 重要:重写路径,移除/stirling前缀
rewrite ^/stirling/(.*)$ /$1 break;
}
常见问题排查
如果按照上述配置后仍然遇到问题,可以检查以下几个方面:
- BASE_URL设置是否正确:确认Docker容器中确实设置了正确的环境变量
- Nginx日志分析:查看Nginx的access和error日志,确认请求是否被正确转发
- 应用日志检查:查看Stirling-PDF容器的日志,确认应用是否收到预期格式的请求
- 浏览器开发者工具:使用浏览器开发者工具的网络面板,查看资源加载失败的具体原因
高级配置建议
对于生产环境部署,还可以考虑以下优化措施:
- 启用HTTPS:通过Let's Encrypt等工具配置SSL证书
- 静态资源缓存:为CSS、JS等静态资源配置适当的缓存策略
- 访问限制:配置基本的HTTP认证或IP白名单
- 负载均衡:如果需要,可以配置多个Stirling-PDF实例进行负载均衡
总结
通过正确配置Docker环境变量和Nginx反向代理规则,可以顺利将Stirling-PDF部署在子目录下。关键在于确保应用知晓自己的部署路径(通过BASE_URL),同时Nginx能够正确处理路径重写和请求转发。遵循上述配置指南,即可解决常见的资源加载路径问题。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0115
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220