FRP项目中多端口HTTP代理的配置方案解析
2025-04-28 10:08:40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
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
1.03 K
492