Pangolin项目中的Bad Gateway问题排查与解决
问题背景
在使用Pangolin项目搭建内网穿透服务时,用户遇到了Bad Gateway错误。具体场景是将Homelab作为站点接入Pangolin,并在其中部署了Newt作为Docker容器,试图通过该服务访问Jellyfin媒体服务器。
错误现象
当尝试建立连接时,Newt容器日志显示以下关键错误信息:
Error connecting to target: dial tcp 192.168.178.93:8086: connect: connection refused
尽管在本地网络中可以通过192.168.178.93:8086成功访问Jellyfin服务,但通过Pangolin-Newt组合访问时却出现连接拒绝的错误。
排查过程
-
初步检查:确认本地网络环境中Jellyfin服务确实运行在192.168.178.93:8086地址,且可正常访问。
-
网络模式调整:尝试将Newt容器改为使用host网络模式,理论上可以消除Docker网络隔离带来的影响,但问题依旧存在。
-
端口验证:通过curl命令测试Jellyfin服务的连通性,发现一个关键细节差异:
- 成功连接使用的是8096端口(Jellyfin默认端口)
- 失败连接配置的是8086端口
问题根源
经过仔细比对,发现问题源于配置中的端口号不一致:
- 在Pangolin Dashboard中配置的目标端口为8086
- 实际Jellyfin服务运行在默认的8096端口
这种端口不匹配导致Newt代理尝试连接错误的端口,自然会被目标服务拒绝。
解决方案
将Pangolin Dashboard中的目标端口配置从8086修正为8096,与Jellyfin实际服务端口保持一致。修改后,通过Pangolin-Newt组合访问Jellyfin服务恢复正常。
经验总结
-
端口一致性检查:在配置网络服务时,务必确保源配置与目标服务的实际端口完全一致。即使是相近的端口号(如8086和8096)也会导致连接失败。
-
日志分析技巧:当出现"connection refused"错误时,首先应该检查:
- 目标服务是否正常运行
- 网络路径是否通畅
- 端口配置是否正确
-
测试方法:在配置复杂网络服务时,建议先使用简单工具(如curl、telnet等)直接测试目标服务的连通性,排除基础网络问题后再排查上层应用问题。
通过这次问题排查,我们再次验证了网络服务配置中"细节决定成败"的道理。特别是在涉及多层网络转发的场景下,每一层的配置都必须精确匹配,才能确保服务的正常访问。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









