Maddy邮件服务器中SMTP over TLS(465端口)的配置问题解析
问题背景
在使用Maddy邮件服务器时,用户发现一个常见的配置问题:当使用Thunderbird客户端测试时,SMTP over TLS(465端口)无法正常工作,而STARTTLS(587端口)则运行正常。通过端口扫描工具检测,发现465端口处于关闭状态,这表明Maddy服务并未在该端口上正确监听。
技术分析
默认配置差异
Maddy邮件服务器的默认配置存在一个关键点:虽然它支持多种协议和加密方式,但不同端口的服务需要显式配置才能启用。从用户提供的Docker运行命令可以看出,初始配置中并未包含465端口的映射:
podman run --name maddy \
-e MADDY_HOSTNAME=mx.domain \
-e MADDY_DOMAIN=domain \
-v /etc/maddy/:/data \
-p 25:25 \
-p 143:143 \
-p 587:587 \
-p 993:993 \
foxcpp/maddy:latest
端口功能区别
-
587端口(Submission): 这是标准的邮件提交端口,通常使用STARTTLS加密方式。Maddy默认配置中已经包含了对此端口的支持。
-
465端口(SMTPS): 这是传统的SMTP over TLS端口,使用隐式TLS加密。需要在配置中明确启用才能正常工作。
解决方案
要使465端口正常工作,需要进行以下配置调整:
- 容器端口映射:在运行容器时,必须添加465端口的映射:
-p 465:465
-
配置文件检查:确保Maddy的配置文件中包含对465端口的监听配置。通常这需要在
tls.listen部分添加相应的配置项。 -
证书验证:确认TLS证书配置正确,因为465端口要求建立连接时立即进行TLS握手,不同于587端口的STARTTLS方式。
最佳实践建议
-
完整端口映射:建议在生产环境中映射所有相关端口,包括:
- 25 (SMTP)
- 143 (IMAP)
- 465 (SMTPS)
- 587 (Submission)
- 993 (IMAPS)
-
配置验证:使用telnet或openssl客户端测试端口连通性:
openssl s_client -connect your.server:465 -quiet -
日志检查:查看Maddy的日志输出,确认服务是否在465端口上成功启动监听。
总结
Maddy作为现代邮件服务器,支持多种协议和加密方式,但需要正确配置才能发挥全部功能。465端口与587端口虽然都提供加密的SMTP服务,但工作方式不同,需要分别配置。通过合理的端口映射和配置调整,可以确保Maddy服务器支持所有标准的邮件协议和加密方式。
对于系统管理员而言,理解这些端口的工作机制和配置要求,是确保邮件服务可靠性和安全性的重要基础。建议在部署前仔细阅读文档,并进行全面的功能测试。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00