3proxy多网卡网络路由配置问题解析与解决方案
2025-06-15 22:20:24作者:段琳惟
背景介绍
在使用3proxy搭建网络服务时,经常会遇到需要为不同用户分配不同网络出口的需求。本文针对一个典型场景进行分析:服务器配备双4G网卡,需要为不同用户分配不同的网络出口。
问题描述
用户配置了以下环境:
- 服务器本地IP:192.168.1.34
- 双4G网卡IP:192.168.0.100和192.168.5.100
- 服务端口:1090和1091
- 用户user1应使用192.168.0.100出口
- 用户user2应使用192.168.5.100出口
但实际使用中发现所有流量都通过192.168.0.100出口,无法实现分流。
配置问题分析
原始配置存在几个关键问题:
-
指令顺序错误:在3proxy配置中,ACL(访问控制列表)规则必须在对应的服务指令之前定义。原始配置将
proxy指令放在了allow规则之后,但中间还夹杂了其他无关指令。 -
指令冲突:同时使用了
socks和proxy指令对同一端口进行配置,这会导致行为不可预测。对于同一端口,应该只使用一种服务类型指令。 -
缺少规则刷新:在切换不同用户规则时,没有使用
flush指令清除之前的ACL状态,可能导致规则叠加。
正确配置方案
正确的配置应该遵循以下原则:
- 为每个用户单独设置ACL规则块
- 每个规则块结束后使用
flush清除状态 - 确保服务指令紧跟在相应用户的ACL规则之后
- 避免对同一端口重复配置
修正后的配置示例:
# 用户1配置块
allow user1
deny *
proxy -p1090 -n -i192.168.0.100 -e192.168.0.1
flush
# 用户2配置块
allow user2
deny *
proxy -p1091 -n -i192.168.5.100 -e192.168.5.1
系统级路由配置
除了3proxy本身的配置外,还需要确保操作系统层面的路由配置正确:
-
多默认网关:系统需要支持多个默认网关,这通常需要特殊的路由表配置。
-
策略路由:可能需要设置基于源地址或标记的策略路由,确保从特定服务端口发出的流量使用正确的网络接口。
-
NAT配置:确保每个4G网卡接口的NAT规则正确,避免流量被错误地转发。
测试验证
配置完成后,应进行以下验证:
- 分别使用user1和user2凭据连接不同端口
- 检查实际出口IP是否符合预期
- 监控系统路由表变化
- 检查3proxy日志确认用户认证和路由选择情况
总结
实现多网卡网络分流需要3proxy配置和系统路由配置的协同工作。关键点在于:
- 正确的ACL规则顺序
- 避免指令冲突
- 适当的规则状态刷新
- 系统层面的多网关支持
通过以上配置,可以可靠地实现不同用户通过不同网络出口访问互联网的需求。
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
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217