Mercure项目在Nginx反向代理下的配置指南
2025-06-11 16:23:03作者:晏闻田Solitary
前言
Mercure是一个基于Server-Sent Events(SSE)技术的实时通信协议实现,它允许服务器向客户端推送实时更新。本文将详细介绍如何在生产环境中配置Mercure服务,特别是当它运行在Nginx反向代理之后时的最佳实践。
环境准备
在开始配置前,我们需要明确几个关键组件:
- Mercure服务本身(本文使用二进制版本而非Docker)
- Nginx作为反向代理
- 后端服务(如Symfony应用)
- 前端应用(如Vue.js)
基础配置
系统环境变量
首先设置系统环境变量,这些变量将被Mercure服务使用:
# /etc/environment
MERCURE_PUBLISHER_JWT_KEY="yourPublisherKey"
MERCURE_SUBSCRIBER_JWT_KEY="yourSubscriberKey"
SERVER_NAME=http://localhost
MERCURE_PUBLIC_URL=https://mercure.yourdomain.com/.well-known/mercure
Nginx配置
Nginx作为反向代理的关键配置如下:
server {
listen 443 ssl http2;
server_name mercure.yourdomain.com;
ssl_certificate /path/to/cert.pem;
ssl_certificate_key /path/to/key.pem;
location / {
# CORS相关配置
if ($http_origin ~ '^https?://(localhost(:[0-9]+)?|127.0.0.1(:[0-9]+)?|[^/]*\.yourdomain\.com)') {
set $cors "true";
}
if ($cors = "true") {
add_header 'Access-Control-Allow-Origin' '$http_origin' always;
add_header 'Access-Control-Allow-Credentials' 'true';
add_header 'Access-Control-Allow-Headers' 'Authorization,Accept,Origin,DNT,X-CustomHeader,Keep-Alive,User-Agent,X-Requested-With,If-Modified-Since,Cache-Control,Content-Type,Content-Range,Range';
add_header 'Access-Control-Allow-Methods' 'GET,POST,OPTIONS';
add_header 'Content-Type' 'text/event-stream';
}
# 反向代理配置
proxy_pass http://localhost:3000;
proxy_read_timeout 24h;
proxy_http_version 1.1;
proxy_set_header Connection "";
proxy_connect_timeout 300s;
proxy_buffering off; # 重要:禁用缓冲以确保SSE正常工作
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Host $host;
proxy_set_header X-Forwarded-Proto $scheme;
}
}
Mercure服务配置
Caddyfile配置
Mercure使用Caddy作为其底层服务器,以下是推荐的Caddyfile配置:
{
http_port 3000
auto_https off
}
http://localhost {
log {
output file /var/log/caddy/mercure.log {
roll_size_mb 10
roll_keep 5
}
level INFO
}
encode zstd gzip
mercure {
transport_url bolt://mercure.db
publisher_jwt {env.MERCURE_PUBLISHER_JWT_KEY} {env.MERCURE_PUBLISHER_JWT_ALG}
subscriber_jwt {env.MERCURE_SUBSCRIBER_JWT_KEY} {env.MERCURE_SUBSCRIBER_JWT_ALG}
cors_origins https://yourdomain.com https://localhost:8080
publish_origins *
anonymous
subscriptions
}
respond /healthz 200
}
系统服务配置
为了让Mercure作为系统服务运行,创建以下systemd服务文件:
[Unit]
Description=Mercure Service
After=network.target
[Service]
Type=simple
EnvironmentFile=/etc/environment
ExecStart=/usr/bin/mercure run --config /path/to/Caddyfile
Restart=always
RestartSec=5
[Install]
WantedBy=multi-user.target
应用集成
后端集成(以Symfony为例)
在Symfony应用中配置Mercure:
# config/packages/mercure.yaml
mercure:
hubs:
default:
url: '%env(MERCURE_URL)%'
public_url: '%env(MERCURE_PUBLIC_URL)%'
jwt:
value: '%env(MERCURE_JWT_SECRET)%'
publish: '*'
前端集成(以Vue.js为例)
在前端应用中订阅Mercure事件:
const hubUrl = new URL('https://mercure.yourdomain.com/.well-known/mercure');
hubUrl.searchParams.append('topic', 'https://api.yourdomain.com/notifications/all');
const eventSource = new EventSource(hubUrl, { withCredentials: true });
eventSource.onmessage = event => {
console.log('Received update:', event.data);
};
常见问题解决
-
CORS问题:确保Nginx配置中正确设置了CORS头信息,特别是
Access-Control-Allow-Origin和Access-Control-Allow-Credentials。 -
连接断开问题:在Nginx配置中添加
proxy_buffering off;可以防止SSE连接被意外缓冲导致的问题。 -
JWT验证失败:确保发布者和订阅者的JWT密钥配置一致,且算法设置正确。
-
性能优化:适当调整
proxy_read_timeout和proxy_connect_timeout值以适应您的应用场景。
总结
通过以上配置,我们成功地在Nginx反向代理后部署了Mercure服务,并实现了前后端的集成。关键点在于:
- 正确配置Nginx的反向代理和CORS设置
- 合理设置Mercure的Caddyfile
- 确保系统服务配置正确
- 前后端集成时注意URL和凭证的配置
这些配置不仅解决了基本的通信问题,还考虑了生产环境中的安全性、可靠性和性能要求。
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
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
686
160
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
266
326
🔥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
65
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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869