Websockify 技术文档
1. 安装指南
1.1 安装方式
1.1.1 通过源码安装
-
下载最新版本的 websockify 源码包或开发版本。
-
解压下载的文件。
-
进入解压后的目录,运行以下命令进行安装:
sudo python3 setup.py install默认情况下,安装过程中会自动安装 numpy 以提高性能。如果不需要 numpy 或无法编译 numpy,可以在
setup.py文件中删除install_requires=['numpy'],这一行,然后再运行安装命令。 -
安装完成后,可以通过运行
websockify --help来确认安装是否成功。
1.1.2 通过 Docker/Podman 安装
-
构建 Docker 镜像:
./docker/build.sh -
构建完成后,可以使用以下命令启动 websockify:
docker run -it --rm -p <port>:<container_port> novnc/websockify <container_port> <run_arguments>例如,将本地端口 7000 转发到 10.1.1.1:5902:
docker run -it --rm -p 7000:80 novnc/websockify 80 10.1.1.1:5902 -
如果需要包含文件(如
--web或--cert选项),可以通过挂载卷的方式将文件挂载到容器中:docker run -it --rm -p 443:443 -v websockify-data:/data novnc/websockify --cert /data/self.pem --web /data/noVNC :443 --token-plugin TokenRedis --token-source myredis.local:6379 --ssl-only --ssl-version tlsv1_2
2. 项目使用说明
2.1 基本功能
websockify 的主要功能是将 WebSocket 流量转换为普通 socket 流量。它接受 WebSocket 握手请求,解析后开始在客户端和目标服务器之间双向转发数据。
2.2 加密 WebSocket 连接
要使用加密的 WebSocket 连接(wss://),需要生成一个证书和密钥供 websockify 加载。默认情况下,websockify 会加载名为 self.pem 的证书文件,但可以通过 --cert=CERT 和 --key=KEY 选项指定其他文件。
生成自签名证书的命令如下:
openssl req -new -x509 -days 365 -nodes -out self.pem -keyout self.pem
为了让客户端/浏览器信任自签名证书,可以通过以下两种方式:
- 将证书安装为受信任的证书。
- 先通过 HTTPS 连接到服务器并批准证书。
2.3 其他功能
- 守护进程模式:通过
-D选项,websockify 可以在后台以守护进程模式运行。 - SSL 支持:websockify 会自动检测客户端发送的第一个字节,如果数据以
\x16或\x80开头,则表示 SSL 连接。 - 会话记录:使用
--record选项可以将客户端发送和接收的流量记录到文件中。 - 迷你 Web 服务器:通过
--web DIR选项,websockify 可以在同一端口上处理普通 Web 请求。 - 日志记录:使用
--log-file FILE选项可以将所有日志信息保存到指定文件中。 - 认证插件:通过
--auth-plugin CLASS和--auth-source ARG选项,websockify 可以要求对 WebSocket 连接进行认证。 - 令牌插件:通过
--token-plugin CLASS和--token-source ARG选项,websockify 可以根据客户端发送的令牌或主机名将客户端连接到不同的目标。
3. 项目 API 使用文档
3.1 命令行参数
--cert=CERT:指定 SSL 证书文件。--key=KEY:指定 SSL 密钥文件。--ssl-only:仅允许 SSL 连接。--web DIR:启用迷你 Web 服务器,并指定 Web 根目录。--log-file FILE:将日志信息保存到指定文件中。--auth-plugin CLASS:启用认证插件。--token-plugin CLASS:启用令牌插件。
3.2 示例
-
启动 websockify 并转发 WebSocket 流量到目标服务器:
websockify 8080 192.168.1.100:5900 -
使用自签名证书启动加密的 WebSocket 连接:
websockify --cert=self.pem --key=self.pem 8443 192.168.1.100:5900 -
启用迷你 Web 服务器并记录会话:
websockify --web /var/www --record session.log 8080 192.168.1.100:5900
4. 项目安装方式
4.1 源码安装
通过源码安装 websockify 是最常见的方式。用户需要下载源码包,解压后运行 python3 setup.py install 进行安装。
4.2 Docker/Podman 安装
对于容器化环境,用户可以通过 Docker 或 Podman 运行 websockify。首先构建镜像,然后通过 docker run 或 podman run 命令启动容器。
通过以上步骤,用户可以顺利安装并使用 websockify 项目,实现 WebSocket 流量的代理和转发。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08