Penpot项目Nginx容器DNS解析问题的分析与解决
2025-05-03 20:38:20作者:傅爽业Veleda
问题背景
在容器化部署场景中,DNS解析是一个常见但容易被忽视的问题。Penpot作为一款开源的设计协作平台,其官方提供的Docker Compose部署方案在标准Docker环境下运行良好,但在Podman环境中却遇到了DNS解析问题。这个问题的核心在于Nginx容器中硬编码的DNS解析器地址127.0.0.11,这个地址是Docker特有的内部DNS服务地址,而Podman采用了不同的网络架构。
技术细节分析
在Docker环境中,容器内部通过127.0.0.11这个特殊IP地址访问内置的DNS服务。这个地址会由Docker自动处理,将DNS请求转发到宿主机的DNS配置。然而在Podman环境中:
- Podman使用不同的网络模型,DNS服务通常通过Podman网络网关提供
- 硬编码的127.0.0.11在Podman中无法正常工作
- 这导致Nginx无法解析外部域名,如Google字体服务等
具体表现为Nginx日志中出现类似错误:
recv() failed (111: Connection refused) while resolving, resolver: 127.0.0.11:53
*51 fonts.googleapis.com could not be resolved (110: Operation timed out)
临时解决方案
在官方修复前,用户可以采用以下临时解决方案:
- 手动修改Nginx配置文件中的resolver行,指向Podman网络网关IP
- 使用环境变量
PENPOT_INTERNAL_RESOLVER覆盖默认值 - 创建自定义网络并指定固定子网,确保网关IP不变
例如在docker-compose.yaml中添加:
environment:
PENPOT_INTERNAL_RESOLVER: "10.89.7.1 10.89.8.1"
官方修复方案
Penpot开发团队采纳了社区建议,参考了Nginx Proxy Manager的实现方式,通过以下改进实现了更智能的DNS解析:
- 在容器启动时动态读取/etc/resolv.conf文件
- 提取其中的nameserver地址
- 自动生成适用于当前容器环境的resolver配置
这种方案具有以下优势:
- 兼容Docker和Podman环境
- 遵循容器编排工具的网络配置
- 减少手动配置需求
- 提高部署灵活性
最佳实践建议
对于使用Penpot的用户,特别是选择自建部署的,建议:
- 保持组件更新,特别是2.5及以上版本已包含此修复
- 了解容器网络基础知识,有助于排查类似问题
- 对于生产环境,考虑使用Traefik等专业反向代理
- 监控Nginx日志,及时发现解析问题
总结
容器环境中的DNS解析问题看似简单,实则涉及复杂的网络架构差异。Penpot团队通过社区反馈快速响应,实现了更智能的解决方案,体现了开源项目的协作优势。这也提醒我们,在设计容器化应用时,应当考虑不同容器运行时环境的差异,避免硬编码特定实现细节。
对于技术团队而言,理解这类问题的解决思路比记住具体配置更重要,这有助于在遇到类似问题时快速定位和解决。
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
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 开源电子设计自动化利器:KiCad EDA全方位使用指南 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 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137