Speedtest Tracker 项目 HTTPS 环境下资源加载问题解决方案
2025-06-20 09:53:55作者:宣海椒Queenly
问题背景
在 Speedtest Tracker 项目中,当用户通过反向代理配置 HTTPS 访问时,可能会遇到混合内容(Mixed Content)问题。具体表现为网页可以正常加载,但字体文件和网站图标等静态资源无法正确加载,浏览器控制台会显示相关错误。
问题现象
用户在使用反向代理(如 Traefik、HAProxy 或 Synology NAS 内置反向代理)配置 HTTPS 访问 Speedtest Tracker 时,HTML 页面中包含的静态资源链接仍然使用 HTTP 协议:
<link rel="icon" href="http://<host:port>/img/speedtest-tracker-icon.png">
<link href="http://<host:port>/fonts/inter/inter.css" rel="stylesheet">
这会导致浏览器因安全策略阻止加载这些资源,影响页面正常显示。
根本原因
该问题源于 Laravel 框架生成的静态资源 URL 没有自动适应 HTTPS 协议。在反向代理场景下,虽然用户通过 HTTPS 访问,但应用内部生成的资源链接仍保持 HTTP 协议。
解决方案
1. 配置 ASSET_URL 环境变量
Laravel 框架提供了 ASSET_URL 环境变量来指定静态资源的基础 URL。在 Docker 配置中添加以下环境变量:
environment:
- ASSET_URL=https://your-domain.com
此配置会强制所有静态资源使用 HTTPS 协议加载。
2. 保留 APP_URL 配置
虽然 ASSET_URL 解决了静态资源加载问题,但建议同时保留 APP_URL 配置:
environment:
- APP_URL=https://your-domain.com
- ASSET_URL=https://your-domain.com
APP_URL 在以下场景中仍然有用:
- 系统通知和电子邮件中的链接生成
- 其他需要完整应用 URL 的场景
3. 反向代理配置建议
在反向代理配置中,确保:
- 不要包含端口号(除非使用非标准端口)
- 正确设置 Host 头
- 确保代理传递正确的协议信息
实施示例
完整的 Docker Compose 配置示例:
services:
speedtest-tracker:
image: lscr.io/linuxserver/speedtest-tracker:latest
container_name: speedtest-tracker
ports:
- 8080:80
- 8443:443
environment:
- PUID=1000
- PGID=1000
- APP_KEY=base64:your-app-key
- APP_URL=https://your-domain.com
- ASSET_URL=https://your-domain.com
- DB_CONNECTION=sqlite
- TZ=Your/Timezone
- APP_TIMEZONE=Your/Timezone
- DISPLAY_TIMEZONE=Your/Timezone
- SPEEDTEST_SCHEDULE=0 * * * *
- SPEEDTEST_SERVERS=your-preferred-servers
- PRUNE_RESULTS_OLDER_THAN=0
volumes:
- /path/to/config:/config
restart: unless-stopped
验证方法
配置完成后,可以通过以下方式验证:
- 使用浏览器开发者工具检查网络请求,确认所有资源都通过 HTTPS 加载
- 检查页面源代码,确认资源链接已使用 HTTPS 协议
- 确保没有混合内容警告出现在浏览器控制台
总结
通过合理配置 ASSET_URL 和 APP_URL 环境变量,可以有效解决 Speedtest Tracker 在 HTTPS 反向代理环境下的静态资源加载问题。这种配置方式不仅适用于 Speedtest Tracker,也适用于其他基于 Laravel 框架的应用在类似环境下的部署。
登录后查看全文
热门项目推荐
相关项目推荐
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-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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (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
1.09 K
618
🔥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
62
19
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
260
92