Terasology多人服务器搭建:完整部署与配置指南
2026-01-29 11:48:40作者:胡易黎Nicole
Terasology是一款开源的体素世界游戏,支持多人联机功能。本指南将详细介绍如何快速搭建Terasology多人服务器,包括环境准备、服务器部署、配置优化和权限管理等关键步骤,帮助你轻松创建自己的在线游戏世界。
🚀 准备工作:服务器环境要求
在开始部署Terasology服务器前,请确保你的系统满足以下要求:
- Java环境:安装Java 11或更高版本(推荐OpenJDK 11)
- 硬件配置:最低2核CPU、4GB内存,推荐4核CPU、8GB内存以获得更好性能
- 网络要求:开放TCP端口25777(默认端口),并配置端口转发(如使用路由器)
⚙️ 三种部署方式对比
1. 快速启动:使用官方发行版(推荐新手)
-
下载服务器文件
访问Terasology官方发布页面下载最新的Omega Release版本 -
启动服务器
在终端中执行以下命令:java -jar Terasology.jar --headless默认服务器端口为25777,首次启动会自动生成配置文件和世界数据
-
验证启动
查看终端输出,当显示"Server started successfully"时表示启动成功
2. Docker部署:适合Linux服务器
-
安装Docker
确保已安装Docker引擎:sudo apt-get install docker.io # Ubuntu/Debian系统 -
拉取镜像并启动
docker run -d -p 25777:25777 qwick/terasology注:Docker镜像相关问题请反馈至qwc/docker-terasology
3. 源码编译:适合开发者
-
克隆代码仓库
git clone https://gitcode.com/gh_mirrors/te/Terasology cd Terasology -
编译并启动
./gradlew server # Linux/MacOS # 或使用Intellij IDEA运行配置"TerasologyPC (Headless)"
🔧 核心配置详解
基础配置文件:config.cfg
服务器启动后会在工作目录生成config.cfg文件,关键配置项说明:
{
"network": {
"serverPort": 25777, // 服务器端口
"maxPlayers": 16 // 最大玩家数
},
"defaultModSelection": { // 默认模块选择
"modules": [
"Core",
"CoreWorlds",
"Sample"
]
},
"defaultGenerator": "CoreWorlds:facetedPerlin" // 默认世界生成器
}
自定义端口与模块
-
修改服务器端口
启动时指定端口:java -jar Terasology.jar --headless --server-port=25778 -
模块配置
编辑config.cfg中的defaultModSelection部分添加模块,例如:"defaultModSelection": { "modules": [ "Core", "CoreWorlds", "Inventory", "Behaviors" ] }修改后需删除
saves目录并重启服务器使配置生效
世界生成器选择
Terasology支持多种世界生成器,常用选项:
CoreWorlds:facetedPerlin:默认的多生物群系世界CoreWorlds:flat:平坦世界,适合测试WildAnimals:hilly:带有野生动物的丘陵地形
在config.cfg中设置:
"defaultGenerator": "CoreWorlds:facetedPerlin"
🔑 管理员权限与安全设置
获取管理员权限
- 服务器首次启动后,在
config.cfg中找到oneTimeAuthorizationKey字段 - 客户端连接服务器后,在聊天框输入:
即可获得管理员权限(除debug权限外的所有权限)/auth <your_authorization_key>
常用管理命令
| 命令 | 功能 |
|---|---|
/shutdownServer |
优雅关闭服务器 |
/kick <玩家名> |
踢出玩家 |
/ban <玩家名> |
封禁玩家 |
/tp <玩家名> <x> <y> <z> |
传送玩家 |
/help |
查看所有命令 |
📊 服务器维护与优化
定期备份
建议定期备份saves目录,可使用以下脚本:
# 创建备份脚本 backup.sh
#!/bin/bash
TIMESTAMP=$(date +%Y%m%d_%H%M%S)
zip -r "backup_$TIMESTAMP.zip" saves/
性能优化建议
-
调整视距
在config.cfg中修改:"rendering": { "viewDistance": 16 // 降低视距可减少内存占用 } -
限制实体数量
安装PerformanceMonitor模块监控服务器性能:"defaultModSelection": { "modules": [ ..., "PerformanceMonitor" ] }
❓ 常见问题解决
客户端无法连接服务器
- 检查服务器端口是否开放:
netstat -tuln | grep 25777 - 确认防火墙设置,开放25777端口:
sudo ufw allow 25777/tcp - 检查路由器端口转发配置
服务器启动失败
- 删除
config.cfg后重新启动,生成默认配置 - 检查Java版本是否符合要求:
java -version # 需显示Java 11+ - 查看日志文件
logs/latest.log定位错误原因
📚 进阶资源
- 官方文档:docs/Setup-a-headless-server.md
- 模块开发指南:docs/Developing-Modules.md
- 命令参考:docs/Developing-Commands.md
通过本指南,你已经掌握了Terasology多人服务器的搭建与配置技巧。现在邀请你的朋友一起探索这个无限可能的体素世界吧!如有其他问题,欢迎参与Terasology社区讨论。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
703
4.51 K
Ascend Extension for PyTorch
Python
567
693
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
547
98
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++
957
955
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
411
338
🎉 (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
1.6 K
940
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
566
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
210
暂无简介
Dart
948
235
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387


