Sonarr时间同步问题导致"Added"过滤器失效的解决方案
2025-05-19 06:21:15作者:秋泉律Samson
问题背景
在使用Sonarr媒体管理工具时,用户可能会遇到一个特殊现象:基于"Added"(添加时间)条件的自定义过滤器突然停止工作。具体表现为新添加的剧集无法被"最近X天添加"的过滤器正确识别。这个问题看似是软件功能异常,实则往往与系统时间配置有关。
问题本质分析
当Sonarr的"Added"过滤器失效时,其根本原因通常在于时间不同步问题。Sonarr在计算"最近X天"的时间范围时,依赖于系统时钟。如果系统时间与实际时间存在偏差,会导致时间计算错误,进而影响过滤器的正常工作。
典型场景还原
在实际案例中,用户发现:
- 新添加的剧集(如"Friends")在常规视图中可见
- 这些剧集带有正确的添加时间戳(显示为"今天")
- 但在"最近7天添加"的过滤视图中却无法显示
通过排查发现,该用户的Docker容器系统时间比实际时间快了2小时。这意味着:
- 当剧集刚添加时,系统认为它属于"未来时间"
- 只有当系统时间超过剧集添加时间后,才会被纳入时间范围计算
- 因此出现了2小时的"延迟显示"现象
解决方案
检查系统时间配置
-
验证容器时间: 在宿主机执行以下命令检查容器时间:
docker exec -it sonarr date -
检查宿主机时区:
timedatectl确保时区设置正确(如亚洲用户通常需要设置为Asia/Shanghai)
修正时间配置
-
宿主机时区设置:
sudo timedatectl set-timezone Asia/Shanghai -
Docker容器时间同步: 在docker-compose.yml中添加:
environment: - TZ=Asia/Shanghai volumes: - /etc/localtime:/etc/localtime:ro - /etc/timezone:/etc/timezone:ro -
重启服务:
docker-compose down && docker-compose up -d
预防措施
-
在部署Sonarr等时间敏感服务时,应当:
- 明确设置容器时区
- 定期检查系统时间同步状态
- 考虑使用NTP服务保持时间同步
-
对于Docker环境,建议:
- 在编排文件中显式声明时区
- 避免使用默认时区配置
- 对关键服务添加时间监控
技术原理深入
Sonarr的"Added"过滤器基于SQL查询实现,其核心逻辑是:
WHERE Added BETWEEN datetime('now', '-7 days') AND datetime('now')
当系统时间不准确时:
datetime('now')会返回错误的时间值- 时间范围计算会产生偏差
- 导致符合条件的记录被错误排除
总结
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
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!
C
1.03 K
492
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
342
146