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。
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