解决FRP中Subdomain配置导致HTTP 503错误的实战指南
2025-04-29 04:01:12作者:彭桢灵Jeremy
问题背景
在使用FRP进行内网穿透时,许多开发者会遇到通过自定义二级域名访问内网服务时出现HTTP 503错误的问题。本文将深入分析这一常见问题的成因,并提供完整的解决方案。
核心问题分析
当配置FRP的subdomain功能时,开发者通常会遇到两种典型错误:
- HTTP 503服务不可用错误
- ERR_CONNECTION_REFUSED连接拒绝错误
这些问题的根源往往在于端口配置不当或DNS解析未正确生效。
详细配置要点
1. FRPS服务器配置关键
在frps.ini配置文件中,以下参数至关重要:
[common]
subdomainHost = "domain.cn"
vhostHTTPPort = 80 # 必须设置为80端口
vhostHTTPSPort = 443 # 如需HTTPS则设置为443
2. FRPC客户端配置示例
[[proxies]]
name = "web-service"
type = "http"
localPort = 8080 # 本地服务端口
subdomain = "webapp" # 将生成webapp.domain.cn
3. DNS解析配置
需要在域名管理后台添加两条记录:
- 主域名A记录 → FRPS服务器IP
- 通配符子域名(*.domain.cn) → FRPS服务器IP
常见问题排查步骤
- 端口验证:确保vhostHTTPPort设置为80,这是浏览器默认访问的端口
- 服务连通性测试:直接访问FRPS服务器IP:端口,确认FRP服务是否正常运行
- DNS解析检查:使用nslookup或dig命令验证DNS解析是否正确
- 防火墙设置:确保服务器防火墙放行了相应端口
高级配置建议
对于生产环境,建议考虑:
- 启用TLS加密传输
- 配置HTTPS反向代理
- 设置访问权限控制
- 启用日志记录便于问题追踪
总结
通过正确配置FRP的subdomain功能和相关网络参数,开发者可以轻松实现通过自定义域名访问内网服务。关键在于理解HTTP默认端口的工作原理,并确保DNS解析与FRP配置的一致性。当遇到问题时,按照本文提供的排查步骤逐步验证,通常可以快速定位并解决问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218