基于 Docker 的哪吒探针多合一部署方案

拾璃2025-10-152025-10-20

Agent-Dockerapp.py：基于 Docker 的哪吒探针多合一部署方案

一直想在云服务器上部署一个监控探针，但又不想占用太多资源？这是一个基于 Docker 的哪吒探针持久化部署方案。这个项目可以将哪吒探针部署在各类免费或付费的容器托管平台（如 Koyeb, Claw Cloud, Render, Zeabur 等），充分利用资源。

访问此项目的Github地址

项目简介

Agent-Dockerapp.py 是一个轻量级的解决方案，旨在简化哪吒探针的部署流程。它通过 Docker 容器化技术，将探针及其依赖项打包成一个独立的单元，从而实现快速、便捷的部署和管理。

这个方案内置了 Flask 伪装页面 🎭 和多探针支持 🚀，可以在一个免费服务中高效、稳定地运行多个探针。

项目特性

容器化部署: 基于 Dockerfile 构建，方便迁移和部署。
多探针支持: 在一个服务实例中，通过环境变量即可同时运行多个探针，节省资源。
网页伪装: 内置一个基于 Flask 的精美伪装页面，有效应对部分平台的闲置策略和审查，避免服务被意外停止。
自动构建: 集成 GitHub Actions，每次更新代码后会自动构建最新的 Docker 镜像并推送到 GitHub Packages (GHCR)，保持镜像最新。
平台通用: 适用于任何支持从公开 Docker 镜像部署的平台，具有良好的兼容性。

核心代码解析

下面我们来深入了解一下 Agent-Dockerapp.py 的核心代码：

app.py: 这是项目的核心文件，包含 Flask 应用和探针启动逻辑。

import os
import subprocess
import threading
import platform
import logging
from flask import Flask, render_template_string

# --- 标准日志设置 ---
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - [CoreService] %(message)s')

NZ_SERVER = os.environ.get('NZ_SERVER')
NZ_CLIENT_SECRET = os.environ.get('NZ_CLIENT_SECRET')
NZ_TLS = os.environ.get('NZ_TLS', 'false')

# --- 后台核心组件启动逻辑 ---
def run_background_service():
    if not NZ_SERVER or not NZ_CLIENT_SECRET:
        logging.error("环境变量不完整，后台核心服务无法启动。")
        return

    disguised_executable = './service_worker'

    if not os.path.exists(disguised_executable):
        logging.info("未找到核心组件，开始进行初始化安装...")
        try:
            arch_map = {'x86_64': 'amd64', 'aarch64': 'arm64'}
            machine_arch = platform.machine()
            nezha_arch = arch_map.get(machine_arch)
            if not nezha_arch:
                logging.error(f"不支持的 CPU 架构: {machine_arch}")
                return

            zip_name = f"component_{nezha_arch}.zip"
            download_url = f"https://github.com/nezhahq/agent/releases/latest/download/nezha-agent_linux_{nezha_arch}.zip"

            logging.info(f"正在从远程仓库下载组件...")
            subprocess.run(['curl', '-L', download_url, '-o', zip_name], check=True)
            logging.info(f"正在解压组件...")
            subprocess.run(['unzip', '-o', zip_name, '-d', '.'], check=True)

            os.rename('./nezha-agent', disguised_executable)
            os.chmod(disguised_executable, 0o755)
            os.remove(zip_name)
            logging.info("核心组件初始化成功。")
        except Exception as e:
            logging.error(f"核心组件初始化过程中发生错误: {e}")
            return

    logging.info("准备启动后台核心服务...")
    try:
        agent_env = os.environ.copy()
        command = [disguised_executable]
        agent_process = subprocess.Popen(command, env=agent_env)
        logging.info(f"后台核心服务已启动，进程ID: {agent_process.pid}")
    except Exception as e:
        logging.error(f"启动后台核心服务时发生错误: {e}")

# --- 创建Flask应用作为伪装 ---
app = Flask(__name__)

LUO_TIANYI_HTML = """
<!DOCTYPE html><html lang="zh-CN"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>洛天依 - 官方宣传页</title><style>body{font-family:-apple-system,BlinkMacSystemFont,'Segoe UI',Roboto,'Helvetica Neue',Arial,'Noto Sans',sans-serif,'Apple Color Emoji','Segoe UI Emoji','Segoe UI Symbol','Noto Color Emoji';background-color:#eef2f9;color:#333;margin:0;display:flex;justify-content:center;align-items:center;min-height:100vh;text-align:center}.container{background:white;padding:2rem;border-radius:16px;box-shadow:0 10px 25px rgba(0,0,0,.1);max-width:600px;margin:20px;transition:transform .3s ease}.container:hover{transform:translateY(-5px)}img{max-width:100%;height:auto;border-radius:12px;margin-top:1.5rem}h1{color:#4a90e2;font-size:2.5rem;margin-bottom:.5rem}p{font-size:1.1rem;line-height:1.6;color:#555}small{color:#999;margin-top:2rem;display:inline-block}</style></head><body><div class="container"><h1>洛天依 (Luo Tianyi)</h1><p>一位能够凭借感情的共鸣，将听众内心的“感动”化为歌声的虚拟歌手。</p><img src="https://res.vsinger.com/images/5836136cca1d92376a95ca356dfeb2d7.png?x-oss-process=image/resize,w_400" alt="洛天依官方图片"><small>This is a fan-made page for demonstration.</small></div></body></html>
"""

@app.route('/')
def home():
    return render_template_string(LUO_TIANYI_HTML)

# --- 启动后台探针 ---
# 在Flask启动前，先在后台线程中启动探针
service_thread = threading.Thread(target=run_background_service)
service_thread.daemon = True
service_thread.start()

这段代码主要做了以下几件事：

读取环境变量： 从环境变量中获取哪吒探针的配置信息，例如服务器地址 NZ_SERVER 和客户端密钥 NZ_CLIENT_SECRET。
下载和安装探针： 如果在容器中没有找到探针的可执行文件，则从 GitHub Releases 下载对应架构的探针，并进行解压和安装。
启动探针： 在后台线程中启动哪吒探针进程，确保探针可以持续运行。
Flask 伪装页面： 创建一个简单的 Flask 应用，返回一个伪装的 HTML 页面，避免因为服务长时间空闲而被平台停止。

Dockerfile: 定义了 Docker 镜像的构建过程。
1
2
3
4
5
6
7
8
9
10
FROM python:3.9-slim-buster

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

CMD ["gunicorn", "--bind", "0.0.0.0:8000", "app:app"]
这个 Dockerfile 使用 Python 3.9 作为基础镜像，安装 Flask 和其他依赖项，并将项目代码复制到容器中。最后，使用 gunicorn 启动 Flask 应用。

.github/workflows/docker-build.yml: 定义了 GitHub Actions 的构建流程。

# GitHub Action: Build and Push Docker image to GHCR
name: Build and Push Docker Image

# 当有代码推送到 main 分支时，自动触发此流程
on:
  push:
    branches: [ "main" ]

jobs:
  build-and-push:
    runs-on: ubuntu-latest

    permissions:
      contents: read
      packages: write

    steps:
      # 检出代码
      - name: Checkout repository
        uses: actions/checkout@v4

      # 将仓库路径转换为全小写，并设置为环境变量
      - name: Set repository name to lowercase
        run: echo "REPO_LC=$(echo ${{ github.repository }} | tr '[:upper:]' '[:lower:]')" >> $GITHUB_ENV

      # 登录到GitHub容器镜像仓库(GHCR)
      - name: Log in to the Container registry
        uses: docker/login-action@v3
        with:
          registry: ghcr.io
          username: ${{ github.actor }}
          password: ${{ secrets.GITHUB_TOKEN }}

      # 构建Docker镜像并推送
      - name: Build and push Docker image
        uses: docker/build-push-action@v5
        with:
          context: .
          push: true
          tags: ghcr.io/${{ env.REPO_LC }}:latest

这个 YAML 文件定义了一个 GitHub Actions Workflow，当 main 分支有代码提交时，会自动构建 Docker 镜像并推送到 GitHub Packages (GHCR)。

部署教程

准备工作： 注册一个容器托管平台账号（如 Koyeb, Claw Cloud, Render, Zeabur 等）。
登录容器平台。
创建一个新应用，选择从公开镜像 (Public Image) 部署。
在镜像地址输入框中，完整粘贴镜像地址 ghcr.io/sparklewink/agent-docker:latest。

配置环境变量： 根据平台的提示，在环境变量设置中添加哪吒探针的配置信息，例如 NZ_SERVER, NZ_CLIENT_SECRET 等。参考表格如下：

探针 #1 (必需)

变量名	示例值	描述 📝
`NZ_SERVER`	`agent.lty.qzz.io:8080`	哪吒面板服务器地址和端口。
`NZ_CLIENT_SECRET`	`CN19491001`	哪吒面板探针密钥。
`NZ_TLS`	`false`	是否启用 TLS/SSL ( `true` 或 `false` )。

探针 #2 (可选)

如果想在同一个服务中运行第二个探针，请添加以下变量：

变量名	描述 📝
`NZ_SERVER_2`	第二个探针的服务器地址和端口。
`NZ_CLIENT_SECRET_2`	第二个探针的密钥。
`NZ_TLS_2`	第二个探针是否启用 TLS。

💡 提示: 可以按照 _3, _4 的规律，继续添加更多探针的变量（需稍微修改 app.py 脚本以支持）。

选择免费套餐并点击 “部署”。

注意事项

镜像可见性: 请确保 GitHub Packages 中的 Docker 镜像 (ghcr.io/sparklewink/agent-docker:latest) 设置为 **”Public” (公开)**，外部平台才能成功拉取。
自动更新: 每当 main 分支有新的代码提交时，GitHub Actions 都会自动构建一个 :latest 标签的新镜像。如果想应用更新，只需在云平台上触发一次“重新部署(Redeploy)”即可。

总结

Agent-Dockerapp.py 是一个简单易用、功能强大的哪吒探针部署方案。它通过 Docker 容器化技术，简化了部署流程，并提供了多探针支持和网页伪装等实用功能。如果你想在云服务器上部署哪吒探针，不妨试试这个项目！

声明： 本博客文章中如有任何涉及版权的内容，请立即联系 admin@main.712521.xyz，我们将尽快处理。