使用Bore实现多虚拟主机域名的远程访问方案
2025-05-24 01:10:20作者:郦嵘贵Just
背景介绍
Bore是一个开源的TCP隧道工具,可以帮助开发者将本地服务暴露到公网。在实际开发中,我们经常需要同时测试多个基于域名的虚拟主机(virtual hosts),比如a.dev、b.dev等。这些服务通常运行在同一端口(如443)上,通过不同的域名来区分。
问题分析
当尝试使用Bore暴露多个虚拟主机时,开发者可能会遇到一个常见问题:无论访问哪个域名,总是返回第一个配置的虚拟主机内容。这是因为Bore本身是一个TCP层工具,不处理HTTP层的Host头信息,而Nginx等Web服务器正是依赖Host头来区分不同虚拟主机的。
解决方案
方案一:Nginx反向代理层
更完善的解决方案是在Bore服务端前部署一个Nginx反向代理层。这个代理层可以:
- 监听不同的外部端口
- 根据端口转发到不同的Bore隧道
- 在转发时保留原始的Host头信息
这种架构保持了本地开发环境的完整性,不需要修改本地服务的端口配置。
方案二:端口映射方案
虽然提问者提到不希望使用不同端口,但这是最直接的解决方案:
- 本地为每个虚拟主机分配不同端口
- 为每个端口创建独立的Bore隧道
- 外部通过不同端口访问不同服务
这种方法简单直接,但会破坏开发环境的一致性。
实现建议
对于生产环境或长期使用的开发环境,推荐使用Nginx反向代理方案。具体实现要点包括:
- 在Bore服务端服务器部署Nginx
- 配置多个server块,每个块监听不同端口
- 设置proxy_set_header保留原始Host信息
- 将请求代理到对应的Bore隧道端口
这种方案既保持了开发环境配置的简洁性,又实现了多虚拟主机的远程访问需求。
总结
Bore作为TCP隧道工具,与HTTP层的虚拟主机功能需要配合适当的代理层才能完美工作。理解网络各层的职责划分,选择合适的架构方案,是解决此类问题的关键。对于复杂的开发环境需求,组合使用Bore和Nginx等工具往往能获得最佳效果。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
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
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557