GLPI项目升级后附件文件随机访问失败问题分析与解决
2025-06-13 21:03:13作者:庞眉杨Will
问题背景
在GLPI项目管理系统中,用户报告了一个在版本升级后出现的文件访问异常问题。具体表现为:从10.0.16版本升级到10.0.17版本后,升级前创建的工单中的附件文件会出现随机访问失败的情况,而新创建的工单附件则完全正常。
问题现象
升级后系统表现出以下典型症状:
- 升级前创建的工单中,部分附件可以正常打开,部分会无提示地卡住或失败
- 升级后新创建的工单中,所有附件都能正常访问
- 数据库检查显示所有文档记录完整,文档与工单的关联关系正常
- 文件系统中确认所有文档文件都存在
根本原因分析
经过深入调查,发现问题的根源在于升级过程中文件恢复步骤的疏漏。虽然用户执行了备份恢复操作,但由于某些原因,部分文档文件未能完整恢复到新版本的文件目录结构中。
解决方案
完整的修复步骤如下:
-
确认文件权限:确保
glpi/files目录及其子目录具有正确的读写权限,通常应设置为www-data用户和组拥有所有权 -
完整恢复备份文件:
- 从备份中完整恢复
files目录内容 - 特别注意
_documents和_uploads子目录的完整性 - 使用
cp -Rf命令确保所有文件都被覆盖
- 从备份中完整恢复
-
权限重置:
chown -R www-data:www-data /var/www/glpi/ -
系统检查:
- 验证所有文档文件是否已恢复
- 检查数据库中文档记录与文件系统中实际文件的对应关系
预防措施
为避免类似问题再次发生,建议在升级GLPI系统时:
- 执行完整的系统备份,包括数据库和文件系统
- 记录详细的升级步骤和命令
- 升级后立即验证关键功能,特别是文件附件功能
- 考虑使用rsync等工具进行文件同步,确保不遗漏任何文件
技术要点
- GLPI的文件存储采用特定目录结构,文档实际存储在
files/_documents子目录下 - 数据库中的
glpi_documents表记录文档元数据,glpi_documents_items表维护文档与项目的关联关系 - 文件权限问题常导致Web服务器无法访问附件文件
- 升级过程中的文件覆盖操作需要特别注意保留原有用户上传的内容
通过以上分析和解决方案,用户成功恢复了所有历史附件文件的正常访问功能。这个案例提醒我们在进行系统升级时,文件系统的完整性检查与权限设置同样重要。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137