【亲测免费】 Mosh:移动终端的远程Shell解决方案
2026-01-29 12:25:19作者:咎竹峻Karen
项目基础介绍和主要编程语言
Mosh(Mobile Shell)是一个开源的远程终端应用程序,旨在提供比传统SSH更优的移动终端体验。Mosh支持间歇性连接、漫游功能,并提供预测性的本地回显和行编辑功能。该项目主要使用C++语言编写,同时也涉及到一些Perl脚本用于客户端的辅助功能。
项目核心功能
- 间歇性连接支持:Mosh能够在客户端进入睡眠状态或暂时失去网络连接后,保持会话的活跃状态。
- 漫游功能:Mosh允许客户端和服务器在改变IP地址时,保持连接的稳定。无论是在Wi-Fi网络之间切换,还是从Wi-Fi切换到蜂窝数据或以太网,Mosh都能无缝适应。
- 预测性本地回显:Mosh客户端运行一个预测模型,尝试智能地猜测每个按键对屏幕状态的影响。当预测自信时,它会立即显示结果,而无需等待服务器确认。
- 高延迟链接优化:Mosh特别适用于高延迟的网络链接,如蜂窝数据连接或不稳定的Wi-Fi。
- 全屏应用支持:Mosh能够与全屏应用程序(如emacs、vi、alpine和irssi)良好协作,并自动从偶尔的预测错误中恢复。
项目最近更新的功能
- 代码覆盖率报告:Mosh现在支持通过测试生成代码覆盖率报告,帮助开发者更好地了解代码的测试覆盖情况。
- 编译器优化:项目在编译时默认使用-O2优化级别,以提高性能。同时,支持通过-Os优化级别来减少二进制文件的大小。
- 安全增强:Mosh在编译时启用了多种二进制强化标志,如-fstack-protector-all和-D_FORTIFY_SOURCE=2,以增强安全性。
- 依赖管理:项目现在支持在某些平台上将mosh-server和mosh-client分离为单独的包,以便在没有Perl的环境中使用mosh-server。
通过这些更新,Mosh不仅在功能上更加完善,还在性能和安全性上有了显著提升,使其成为移动终端远程Shell的理想选择。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0233- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01- IinulaInula(发音为:[ˈɪnjʊlə])意为旋覆花,有生命力旺盛和根系深厚两大特点,寓意着为前端生态提供稳固的基石。openInula 是一款用于构建用户界面的 JavaScript 库,提供响应式 API 帮助开发者简单高效构建 web 页面,比传统虚拟 DOM 方式渲染效率提升30%以上,同时 openInula 提供与 React 保持一致的 API,并且提供5大常用功能丰富的核心组件。TypeScript05
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
630
4.16 K
Ascend Extension for PyTorch
Python
469
567
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++
932
830
🎉 (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
1.51 K
856
昇腾LLM分布式训练框架
Python
138
162
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
131
191
暂无简介
Dart
878
209
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
383
266
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++
114
187