PushDeer生产环境配置:从开发到上线的完整流程
PushDeer是一个功能强大的自托管推送通知服务,支持iOS、Android和Web平台。本文将详细介绍如何将PushDeer从开发环境顺利部署到生产环境的完整流程,包括API服务器配置、SSL证书设置、推送服务集成等关键步骤。
环境准备与项目克隆
首先需要获取PushDeer项目代码:
git clone https://gitcode.com/gh_mirrors/pu/pushdeer.git
PushDeer提供了多种部署方案,包括自托管模式、Serverless模式和开发模式。生产环境推荐使用自托管模式,确保服务的稳定性和可控性。
API服务器生产环境配置
数据库独立部署
在生产环境中,建议将MySQL数据库独立部署,使用云厂商的数据库服务以确保高可用性和数据安全。在docker-compose.self-hosted.yml中已经配置了MariaDB服务:
mariadb:
image: 'mariadb:10.5.8-focal'
environment:
- MYSQL_ROOT_PASSWORD=theVeryp@ssw0rd
- MYSQL_DATABASE=pushdeer
环境变量配置
关闭调试模式是生产环境配置的关键步骤。在docker-compose.self-hosted.yml中设置:
environment:
- APP_DEBUG=false
- DB_HOST=mariadb
- DB_PORT=3306
- DB_USERNAME=root
- DB_DATABASE=pushdeer
- DB_PASSWORD=theVeryp@ssw0rd
SSL证书配置与HTTPS启用
证书文件准备
申请域名对应的SSL证书,获得证书文件(example.crt)和私钥文件(example.key)。在项目根目录下建立ssl目录,将证书文件重命名为server.crt,私钥文件重命名为server.key。
虚拟主机配置
修改docker/web/vhost.conf文件,启用HTTPS支持:
<VirtualHost *:443>
ServerName yourdomain.com
DocumentRoot "/app/api/public"
SSLEngine on
SSLCertificateFile /app/ssl/server.crt
SSLCertificateKeyFile /app/ssl/server.key
</VirtualHost>
推送服务配置
iOS推送配置
PushDeer支持iOS推送服务,需要配置生产环境参数。在推送配置文件中,将production设置为true:
production: true
Android推送配置(小米推送)
- 注册小米开发者账号并创建应用
- 在
docker-compose.yml中通过环境变量添加包名和AppSecret
environment:
- ANDROID_PACKAGE="这里填写包名"
- MIPUSH_SECRET="这里填写小米推送应用的AppSecret"
构建与部署
构建镜像
运行以下命令构建并启动服务:
docker-compose -f docker-compose.self-hosted.yml up -d --build
服务验证
访问https://yourdomain.com即可查看到API服务器默认网页,确认服务正常运行。
客户端配置与编译
iOS客户端编译
参考ios/PushDeer-iOS目录下的安装说明,进行以下修改:
- 更换项目中的名称和标识
- 修改Bundle Identifier与通知证书匹配
- 更新API接口中的域名
Android客户端编译
修改包名为小米推送应用中设置的包名,确保推送功能正常工作。
生产环境优化建议
性能优化
- 启用Redis缓存提升性能
- 配置合适的数据库连接池
- 设置合理的超时时间
安全配置
- 定期更新SSL证书
- 配置防火墙规则
- 启用访问日志监控
总结
PushDeer生产环境配置是一个系统性的工程,涉及API服务器、数据库、推送服务和客户端的完整链路。通过本文的详细指导,您可以顺利完成从开发到生产环境的部署,享受稳定可靠的推送通知服务。🚀
遵循以上步骤,您的PushDeer服务将具备生产环境所需的安全性、稳定性和高性能特性。
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 StartedRust0186
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 Notebook0111
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。Java03
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




