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
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
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
1.25 K
153
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
1.1 K
611
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++
1.01 K
1.01 K
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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253