Verdaccio Docker 容器内发布包失败的解决方案
问题背景
在使用Verdaccio搭建私有npm仓库时,许多开发者会选择通过Docker容器来部署Verdaccio服务。一个常见的使用场景是在多阶段Docker构建过程中,尝试从一个容器向另一个容器中的Verdaccio服务发布npm包。然而,这种配置下经常会遇到发布失败的问题,错误表现为ECONNREFUSED(连接拒绝)。
典型错误现象
当在Docker容器内尝试执行pnpm publish命令时,可能会遇到如下错误:
npm error FetchError: request to http://localhost:4873/@mypackage failed, reason:
npm error code: 'ECONNREFUSED'
这种错误通常发生在以下配置环境中:
- 使用多阶段Docker构建
- 通过docker-compose编排Verdaccio和其他服务
- 尝试从一个容器向Verdaccio容器发布npm包
根本原因分析
-
容器网络隔离:Docker容器默认具有自己的网络命名空间,localhost在容器内指向容器自身,而不是宿主机或其他容器。
-
服务发现机制:在docker-compose中,服务之间需要通过服务名称而非localhost进行通信。
-
Verdaccio配置:默认配置可能不适合容器间通信场景,需要适当调整。
解决方案
1. 正确配置容器间通信
在docker-compose中,应该使用服务名称而非IP地址或localhost来访问其他服务。修改npm发布命令中的registry地址:
RUN NPM_CONFIG_REGISTRY=http://verdaccio:4873 pnpm -r publish --tag beta
2. 确保网络配置正确
在docker-compose文件中明确定义网络,并确保所有服务连接到同一网络:
networks:
default:
driver: bridge
services:
verdaccio:
networks:
- default
packages:
networks:
- default
3. 检查Verdaccio监听配置
确保Verdaccio配置正确监听了所有网络接口:
# config.yaml
listen:
- 0.0.0.0:4873
4. 验证服务可达性
在发布前,可以在容器内执行简单的网络测试:
curl -v http://verdaccio:4873
最佳实践建议
-
环境变量配置:使用环境变量来动态设置registry地址,提高配置灵活性。
-
健康检查:在docker-compose中添加健康检查,确保Verdaccio服务完全启动后再尝试发布。
-
调试日志:遇到问题时,启用Verdaccio的详细日志:
# config.yaml
logs:
- {type: stdout, format: pretty, level: debug}
- 权限配置:确保发布操作具有足够的权限,特别是对于私有包。
总结
在Docker环境中使用Verdaccio时,理解容器网络模型至关重要。通过正确配置服务发现、网络连接和Verdaccio监听参数,可以避免常见的发布失败问题。本文提供的解决方案已经在实际生产环境中得到验证,能够有效解决容器间npm包发布的问题。
对于更复杂的场景,建议参考Docker官方文档关于容器网络的部分,深入了解Docker的各种网络驱动模式及其适用场景。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01