前篇使用 Docker 和 Node 搭建公式渲染服务 _Docker

在网页中渲染公式一直是泛学术工具绕不开的一个功能，最近更新产品功能，正巧遇到了这个需求，于是使用容器方式简单实现了一个相对靠谱的公式渲染服务。
分享出来，希望能够帮到有类似需求的同学。
写在前面本篇内容会分别使用现有开源软件官方镜像、定制性能更高的镜像、进一步搭配 Nginx 来提升整体服务性能以及可靠性。
如果你不熟悉或者不愿意维护 Node 相关服务，可以将其部署至公有云 Serverless 服务中，搭配缓存服务，更快的获取产品服务能力，正如软件描述中所述：Serverless API to render maths using MathJax for Node 。
公式渲染服务初体验我们先启动一个开源软件 Math-API 的官方镜像容器实例，来先体验一下使用接口渲染公式。
Docker run --rm -it -p 3000:3000 chialab/math-apiyarn run v1.5.1$ node bin/server.jsServer running at http://localhost:3000/接口支持的字段信息在项目文档中都有，只需根据自己需求进行调整即可。为了方便测试，我们这里使用 GET 方式调用接口，模拟访问一个能够动态渲染图片的接口。
在服务启动之后，，使用浏览器分别访问下面的地址：
http://localhost:3000/render?input=latex&inline=0&output=svg&width=256&source=E=mc^2http://localhost:3000/render?input=latex&inline=0&output=png&width=256&source=E=mc^2便能看到质能方程的公式图片。

文章插图

动态渲染出的质能方程公式图片
如果你是自己个人使用，调用次数极少，或者不在意资源消耗可以使用下面的编排文件运行使用。

version: "3.0"services:math-api:restart: alwaysimage: chialab/math-apiports:- 3000:3000logging:driver: "json-file"options:max-size: "1m"

不过如果是要提供公共服务，便需要考虑到各种安全问题、服务性能问题，以及最重要的服务稳定性如何。
那么，我们来看看如何提升稳定性、并解决基础安全问题。
思考如何优化服务在优化之前，我们先来看看当前国内最大的中文社区：知乎，是怎么做的。
我们以请问你见过的最强的公式是什么？这篇充满公式的问题为例，随便摘取一个公式，观察图片内容格式：

https://www.zhihu.com/equation?tex=%5Cbegin%7Balign%7D%26%5Cprod_%7Bn%3D1%7D%5E%5Cinfty%5Cfrac%7B%28n%2Ba_1%29%28n%2Ba_2%29...%28n%2Ba_k%29%7D%7B%28n%2Bb_1%29%28n%2Bb_2%29...%28n%2Bb_k%29%7D%5C%5C%26%3D%5Cfrac%7B%5CGamma%281%2Bb_1%29%5CGamma%281%2Bb_2%29...%5CGamma%281%2Bb_k%29%7D%7B%5CGamma%281%2Ba_1%29%5CGamma%281%2Ba_2%29...%5CGamma%281%2Ba_k%29%7D%5Cend%7Balign%7D

可以看到链接 tex 参数后跟着一堆被转码后的公式内容，我们使用 decodeURIComponent 将其解码，可以看到 LeTax 公式原本内容。

decodeURIComponent('%5Cbegin%7Balign%7D%26%5Cprod_%7Bn%3D1%7D%5E%5Cinfty%5Cfrac%7B%28n%2Ba_1%29%28n%2Ba_2%29...%28n%2Ba_k%29%7D%7B%28n%2Bb_1%29%28n%2Bb_2%29...%28n%2Bb_k%29%7D%5C%5C%26%3D%5Cfrac%7B%5CGamma%281%2Bb_1%29%5CGamma%281%2Bb_2%29...%5CGamma%281%2Bb_k%29%7D%7B%5CGamma%281%2Ba_1%29%5CGamma%281%2Ba_2%29...%5CGamma%281%2Ba_k%29%7D%5Cend%7Balign%7D')begin{align}&prod_{n=1}^inftyfrac{(n+a_1)(n+a_2)...(n+a_k)}{(n+b_1)(n+b_2)...(n+b_k)}\&=frac{Gamma(1+b_1)Gamma(1+b_2)...Gamma(1+b_k)}{Gamma(1+a_1)Gamma(1+a_2)...Gamma(1+a_k)}end{align}

相比较前一小节中直接在链接中传递 E=mc^2 展示质能方程，如果我们将还原的公式直接拼合到公式接口中，会看到接口报错（通过接口报错，我们几乎可以确定知乎使用的就是类似的方案），这是因为公式中如果包含的 & 字符，那么这个字符前后的内容会被切割为不同的参数传递给后端，所以为了避免这类字符在传递过程中被错误解析，我们一般会将内容编码后进行传输。
现在，我们得到了第一个线索：让参数编码后传输。
此外，如果我们的使用场景类似知乎，只需要在网页中展示某个固定的方程，而不需要高度定制这个公式的输出格式、输出尺寸，那么可以和知乎一样，将多数参数固化、形成常量配置。
一方面，可以减少开源软件作者对于各种参数过滤缺失产生的问题，另外一方面，可以减少服务在运行过程中，被枚举攻击而造成资源浪费，甚至服务不可用的可能性，进一步提升服务可靠性和安全性。
那么，我们得到了第二个线索，让暴露参数尽可能少。
使用 Nginx 快速优化服务有了前面的两条线索，我们现在开始优化服务。
使用 Nginx 处理网络请求结合前文“公式渲染服务初体验”小节，和前篇《使用容器搭建简单可靠的容器仓库》一文中的配置，不难写出一个简单的 docker-compose.yml，容器编排配置文件：