在Docuseal中配置外部反向代理的完整指南
2025-05-26 18:15:29作者:秋泉律Samson
前言
Docuseal是一个开源的电子签名解决方案,在实际部署时,很多用户希望将其集成到现有的反向代理架构中。本文将详细介绍如何正确配置Docuseal与外部反向代理(如Nginx Proxy Manager)协同工作。
核心配置要点
当使用外部反向代理时,Docuseal的配置需要注意以下几个关键点:
-
移除内置Caddy服务:默认的docker-compose.yml中包含Caddy反向代理配置,这部分可以安全移除。
-
端口映射调整:只需将Docuseal应用本身的3000端口映射到主机端口即可。
-
环境变量设置:必须正确设置FORCE_SSL环境变量,指向最终用户访问的域名。
精简版docker-compose配置
以下是经过优化的最小化docker-compose配置示例:
version: '3'
services:
app:
image: docuseal/docuseal:latest
ports:
- 8911:3000
volumes:
- ./data:/data
environment:
- FORCE_SSL=yourdomain.example.com
反向代理配置要求
无论使用Nginx、Apache还是其他反向代理,都需要确保:
-
X-Forwarded头传递:反向代理必须正确传递以下头部信息:
- X-Forwarded-For
- X-Forwarded-Proto
- X-Forwarded-Host
-
SSL终止:如果反向代理处理SSL/TLS终止,需要确保Docuseal知道原始请求是通过HTTPS访问的。
常见问题解决方案
-
混合内容警告:如果出现混合内容警告,检查FORCE_SSL变量是否设置正确,并确保反向代理传递了正确的协议头。
-
重定向循环:这通常是由于反向代理配置不当导致的,检查代理是否正确处理了HTTPS流量。
-
WebSocket连接问题:Docuseal使用WebSocket进行实时通信,确保反向代理配置支持WebSocket升级。
性能优化建议
-
连接保持:配置反向代理使用HTTP/2和连接保持,可以提高性能。
-
缓存策略:对静态资源设置适当的缓存头,但避免缓存动态内容。
-
负载均衡:如果部署多个Docuseal实例,可以在反向代理层实现负载均衡。
通过以上配置和优化,Docuseal可以完美集成到现有的反向代理架构中,同时保持最佳性能和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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