Sub-Web项目:实现Docker部署后记忆后端地址的方法
2025-06-06 16:48:13作者:农烁颖Land
背景介绍
Sub-Web是一个基于Vue.js构建的前端项目,主要用于配置和管理subconverter后端服务。在实际使用中,很多用户通过Docker方式部署Sub-Web后,发现每次访问页面都需要重新输入后端地址,这给日常使用带来了不便。
问题分析
默认情况下,Sub-Web项目在每次刷新页面后都会重置后端地址为默认值(通常是127.0.0.1)。对于Docker部署的用户来说,这显然不符合实际需求,因为后端服务地址往往是固定的。
解决方案
方法一:修改默认后端地址
-
定位配置文件:在Sub-Web项目中,后端地址的默认配置位于
src/views/Subconverter.vue文件中 -
修改默认值:在该文件中搜索
defaultBackend配置项,将其值修改为你实际使用的后端地址 -
重新构建:修改完成后,需要重新执行
yarn build命令打包项目,生成的dist目录即为更新后的发布目录
方法二:实现本地存储记忆功能
对于更灵活的需求,可以考虑扩展功能实现地址记忆:
-
使用localStorage:可以在前端代码中添加逻辑,将用户输入的后端地址保存到浏览器的localStorage中
-
初始化检查:页面加载时,首先检查localStorage中是否有保存的后端地址,有则使用该地址,无则使用默认值
-
更新机制:当用户修改后端地址时,同步更新localStorage中的值
实施建议
-
开发环境修改:建议先在开发环境测试修改效果,确认无误后再进行正式部署
-
Docker镜像更新:如果使用自定义Docker镜像,修改后需要重新构建镜像并部署
-
版本控制:对修改的文件做好版本标记,便于后续升级时处理
注意事项
- 修改前端代码后必须重新构建才能生效
- 如果后端地址变更,需要再次修改配置文件并重新部署
- 对于生产环境,建议将这类配置外部化,而不是硬编码在代码中
通过以上方法,可以有效地解决Sub-Web项目在Docker部署后需要重复输入后端地址的问题,提升用户体验。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
315
2.74 K
deepin linux kernel
C
24
7
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++
639
246
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
Ascend Extension for PyTorch
Python
155
178
暂无简介
Dart
606
136
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
240
85
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
364
3.02 K
React Native鸿蒙化仓库
JavaScript
238
310