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。
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