在go-gost中实现隧道服务的端口复用方案
2025-06-09 05:05:53作者:虞亚竹Luna
go-gost作为一款功能强大的网络工具,其隧道(tunnel)功能在实际应用中非常实用。本文将详细介绍如何通过go-gost实现多个隧道服务共享同一个入口端口(如80端口)的技术方案。
问题背景
在实际部署中,我们经常需要让多个隧道服务监听同一个公共端口(如80端口),同时又能将不同域名的流量路由到不同的隧道服务。直接使用多个隧道服务监听同一端口会导致端口冲突,因为每个隧道服务都会尝试绑定到80端口。
解决方案
go-gost提供了灵活的配置方式来实现这一需求,核心思路是:
- 使用一个公共的TCP服务监听80端口
- 通过SNI(Server Name Indication)或HTTP Host头识别不同域名
- 将流量转发到不同的隧道服务入口端口
- 每个隧道服务使用独立的内部端口
具体配置实现
以下是实现这一方案的YAML配置示例:
services:
- name: service-0
addr: :8400
handler:
type: tunnel
metadata:
entrypoint: ":18400"
ingress: ingress-0
sniffing: true
listener:
type: tcp
- name: service-1
addr: :8500
handler:
type: tunnel
metadata:
entrypoint: ":18500"
ingress: ingress-0
sniffing: true
listener:
type: tcp
- name: public
addr: :80
handler:
type: tcp
metadata:
sniffing: true
listener:
type: tcp
forwarder:
nodes:
- name: service-0
addr: 127.0.0.1:18400
host: ".example.com"
- name: service-1
addr: 127.0.0.1:18500
host: "example.org"
ingresses:
- name: ingress-0
rules:
- hostname: ".example.com"
endpoint: 4d21094e-b74c-4916-86c1-d9fa36ea677b
- hostname: "example.org"
endpoint: ac74d9dd-3125-442a-a7c1-f9e49e05faca
配置解析
-
公共入口服务(public):
- 监听80端口
- 启用sniffing功能识别域名
- 根据域名将请求转发到对应的隧道服务入口端口
-
隧道服务(service-0/service-1):
- 分别监听8400和8500端口
- 使用不同的内部入口端口(18400和18500)
- 共享同一个ingress配置
-
路由规则(ingress):
- 定义不同域名对应的隧道端点(endpoint)
- 支持通配符域名(如.example.com)和精确域名(如example.org)
技术优势
- 端口复用: 多个隧道服务可共享同一个公共端口
- 灵活路由: 基于域名实现精确流量分发
- 资源隔离: 每个隧道服务使用独立内部端口,互不干扰
- 扩展性强: 可轻松添加更多隧道服务
实际应用场景
这种配置特别适合以下场景:
- 需要为多个域名提供隧道服务
- 服务器只能开放有限端口(如仅80/443)
- 需要集中管理多个隧道服务
- 希望对不同域名的流量进行统一监控
通过这种配置方式,go-gost用户可以高效地管理多个隧道服务,同时保持配置的简洁性和可维护性。
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
223
246
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218