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
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 StartedRust0186
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 Notebook0112
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。Java03
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
项目优选
收起
暂无描述
Dockerfile
759
4.94 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
853
1.91 K
deepin linux kernel
C
32
16
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
673
1.32 K
Ascend Extension for PyTorch
Python
716
866
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
1.77 K
186
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
454
436
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++
1.07 K
1.09 K
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
990
598
暂无简介
Dart
1 K
259