FRP项目中多端口HTTP代理的配置方案解析
2025-04-28 23:12:57作者:曹令琨Iris
在实际生产环境中,我们经常会遇到需要将多个前端应用通过FRP进行内网穿透的场景。本文将以Vue和Next.js应用为例,深入探讨如何通过FRP实现多端口HTTP服务的优雅配置方案。
典型场景分析
假设我们有以下两个前端应用需要暴露到公网:
- Vue应用运行在客户端9000端口
- Next.js应用运行在客户端9001端口
这两个应用都属于"前端path敏感"型应用,这意味着它们不适合使用FRP的路由功能(即通过路径区分不同应用),因为前端路由会与FRP的路由机制产生冲突。
传统解决方案的局限性
常规做法是为每个应用启动独立的FRP客户端和服务端进程,配置如下:
# 第一个客户端配置
[common]
server_addr = "公网IP"
server_port = 7000
[[proxies]]
name = "app-vue"
type = "http"
localPort = 9000
customDomains = ["vue.example.com"]
# 第二个客户端配置
[common]
server_addr = "公网IP"
server_port = 7001
[[proxies]]
name = "app-next"
type = "http"
localPort = 9001
customDomains = ["next.example.com"]
这种方案虽然可行,但存在明显缺点:
- 需要维护多个服务端和客户端进程
- 占用多个服务端端口(7000、7001等)
- 配置管理复杂,扩展性差
进阶配置方案探索
更优的解决方案是尝试在单个FRP客户端配置中实现多端口服务。理想中的配置应该如下:
[[proxies]]
name = "app-vue"
type = "http"
serverAddr = "公网IP"
serverPort = 9000
localPort = 9000
customDomains = ["vue.example.com"]
[[proxies]]
name = "app-next"
type = "http"
serverAddr = "公网IP"
serverPort = 9001
localPort = 9001
customDomains = ["next.example.com"]
这种配置的关键点在于:
- 每个服务可以独立指定服务端端口
- 共用同一个服务端实例
- 通过不同域名区分应用
技术实现原理
要实现这种配置,FRP需要支持以下特性:
- 服务级服务端配置:允许在每个[[proxies]]中覆盖全局的server_addr和server_port设置
- 多端口监听:服务端能够同时监听多个端口(如9000和9001)
- 智能路由:根据域名自动将请求路由到对应的本地服务
从技术角度看,这种实现是完全可行的。服务端可以:
- 在启动时绑定多个监听端口
- 为每个端口创建独立的服务处理器
- 根据客户端连接时指定的服务名称进行路由
服务端配置建议
对应的服务端配置应支持多端口绑定:
[common]
bind_port = 9000
bind_port = 9001
这样服务端就能同时处理两个端口的HTTP请求,并将其正确转发到对应的客户端应用。
方案优势
这种配置方案相比传统方案具有显著优势:
- 资源高效:只需运行一个服务端和客户端进程
- 管理简便:所有配置集中在一个文件中
- 扩展性强:新增应用只需添加新的[[proxies]]块
- 端口节约:不需要额外的控制端口(7000等)
注意事项
实际实施时需要注意:
- 确保所有使用的端口(9000、9001等)在服务端防火墙中已开放
- 每个应用的customDomains必须配置正确且互不冲突
- 本地服务的localIP和localPort要确保可达
- 考虑使用HTTPS时证书的配置管理
总结
通过合理配置FRP,我们可以实现单个服务端和客户端实例支持多个前端应用的端口服务。这种方案不仅简化了部署架构,还提高了系统的可维护性和扩展性。对于需要暴露多个前端应用的企业场景,这种配置方式无疑是更优的选择。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
528
3.73 K
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
336
172
Ascend Extension for PyTorch
Python
337
401
React Native鸿蒙化仓库
JavaScript
302
353
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++
883
590
暂无简介
Dart
768
191
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
139
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
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246