Plausible社区版本地化部署指南:Docker环境下的单页应用追踪方案
前言
对于需要网站流量分析但又希望保持数据私密性的开发者而言,Plausible社区版提供了理想的解决方案。本文将详细介绍如何在本地Docker环境中部署Plausible社区版,并实现对单页应用(SPA)的访问追踪。
环境准备
在开始部署前,请确保系统已安装以下组件:
- Docker最新稳定版本
- Docker Compose工具
- 基本的命令行操作知识
部署步骤详解
1. 获取Plausible社区版代码
首先需要克隆Plausible社区版的代码仓库,建议指定稳定版本分支:
git clone -b v2.1.3 --single-branch https://github.com/plausible/community-edition plausible-ce
cd plausible-ce
2. 配置环境变量
创建.env配置文件并设置必要参数:
touch .env
echo "BASE_URL=http://localhost:8000" >> .env
echo "SECRET_KEY_BASE=$(openssl rand -base64 48)" >> .env
其中:
BASE_URL指定Plausible自身的访问地址SECRET_KEY_BASE用于应用安全加密
3. 自定义Docker配置
创建compose覆盖文件来调整端口映射:
cat > compose.override.yml << EOF
services:
plausible:
ports:
- 8000:8000
EOF
此配置将Plausible服务映射到宿主机的8000端口。
4. 启动服务
执行以下命令启动所有容器:
docker compose up -d
首次启动时,系统会自动初始化数据库并完成必要的设置。
单页应用集成方案
1. 获取追踪代码
Plausible启动后,访问http://localhost:8000完成管理员注册。在网站设置中,系统会提供类似如下的追踪代码片段:
<script defer data-domain="yourdomain.com" src="http://localhost:8000/js/script.js"></script>
2. 集成到SPA应用
对于React/Vue等单页应用,将上述代码添加到项目的index.html或根组件中。对于本地开发环境,可以使用localhost作为domain:
<script defer data-domain="localhost" src="http://localhost:8000/js/script.js"></script>
3. 验证数据收集
启动你的SPA应用(如运行在5173端口),访问页面后,在Plausible仪表板中应能看到实时访问数据。
常见问题解决
1. 注册按钮无响应
若遇到管理员注册界面按钮无响应,通常是由于数据库初始化未完成导致。检查Docker日志确认数据库服务是否就绪:
docker compose logs -f
2. HTTPS相关问题
本地开发环境下,建议直接使用HTTP协议。确保配置中不包含HTTPS相关参数,特别是不要设置HTTPS_PORT环境变量。
3. 跨域访问问题
如果SPA和Plausible运行在不同端口,现代浏览器通常会阻止这种跨域请求。解决方案包括:
- 配置反向代理使两者同源
- 开发时临时禁用浏览器安全限制(仅限测试环境)
生产环境建议
当准备将方案迁移到生产环境时,需要考虑以下改进:
- 使用真实域名替代localhost
- 启用HTTPS加密
- 配置定期备份策略
- 设置资源监控和告警
结语
通过本文介绍的本地部署方案,开发者可以在无域名、无外网访问的环境下全面评估Plausible社区版的功能特性。这种方案特别适合企业内部应用分析、开发测试等场景,既能满足数据分析需求,又能确保数据完全自主可控。
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
HunyuanVideo-1.5暂无简介00
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