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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00