使用scrcpy实现Mac远程控制连接在Linux主机上的Android设备
2025-04-28 08:26:17作者:凤尚柏Louis
scrcpy是一款强大的开源工具,允许用户通过电脑控制Android设备。本文将详细介绍如何从Mac电脑远程控制连接在Linux主机上的Android设备,解决实际使用中可能遇到的问题。
环境准备
在开始配置前,需要确保以下环境准备就绪:
-
本地环境:
- Mac电脑(本文使用Apple M1 Pro芯片,macOS Sonoma系统)
- scrcpy 3.1版本
- ADB工具(Android Debug Bridge)1.0.41版本
-
远程环境:
- Ubuntu 22.04.5 LTS系统
- scrcpy 3.1版本(建议使用最新版本)
- ADB工具
基本原理
scrcpy通过ADB与Android设备通信,实现屏幕镜像和控制功能。在远程使用场景下,需要通过SSH隧道将本地端口与远程端口进行映射,使得本地Mac能够访问远程Linux主机上的ADB服务。
详细配置步骤
1. 建立SSH隧道
在本地Mac上执行以下命令建立SSH隧道:
ssh -CN -L5038:localhost:5037 -R27183:localhost:27183 远程主机地址
这个命令做了两件事:
- 将本地5038端口映射到远程5037端口(ADB默认端口)
- 将远程27183端口反向映射到本地27183端口(scrcpy通信端口)
2. 设置ADB环境变量
在新的终端窗口中设置ADB环境变量:
export ADB_SERVER_SOCKET=tcp:localhost:5038
这个设置告诉本地ADB工具通过5038端口与远程ADB服务通信。
3. 启动scrcpy
确认设备连接后,启动scrcpy:
scrcpy -s 设备序列号
如果只有一个设备连接,可以直接使用scrcpy命令。
常见问题解决
在实际使用中可能会遇到以下问题:
-
版本兼容性问题:
- 确保本地和远程都使用相同或兼容的scrcpy版本
- 旧版本可能存在兼容性问题,建议使用最新稳定版
-
端口映射错误:
- 确保SSH隧道正确建立了端口映射
- 27183端口必须正确映射,否则scrcpy无法建立视频和控制通道
-
权限问题:
- 确保远程Linux主机上ADB服务有权限访问连接的Android设备
- 可能需要配置udev规则或临时授权
技术细节解析
-
ADB端口转发:
- ADB默认使用5037端口进行通信
- 通过SSH隧道将远程5037端口映射到本地5038端口
- 本地ADB工具通过5038端口与远程ADB服务通信
-
scrcpy通信机制:
- scrcpy使用27183端口进行视频流和控制信号传输
- 反向端口映射确保视频流能从远程主机传回本地Mac
-
性能优化:
- 使用
-CN参数减少SSH连接的开销 - 可以根据网络状况调整scrcpy的视频参数(如分辨率、比特率)
- 使用
总结
通过SSH隧道和端口映射,我们可以实现从Mac电脑远程控制连接在Linux主机上的Android设备。这种方法不仅适用于scrcpy,也可以应用于其他需要远程ADB访问的场景。关键点在于正确建立端口映射和设置环境变量,确保各组件能够通过隧道正常通信。
对于开发者或需要频繁调试Android设备的用户,这套方案提供了极大的便利性,无需物理接触设备即可完成各种操作和测试。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
446
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271