使用scrcpy实现Mac远程控制连接在Linux主机上的Android设备
2025-04-28 10:34:15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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
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
🔥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
62
20
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
暂无简介
Dart
633
143
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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++
650
271
🎉 (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
1.12 K
627
React Native鸿蒙化仓库
JavaScript
243
316
Ascend Extension for PyTorch
Python
194
212