Apollo项目中的防火墙与端口转发问题解决方案
问题背景
在使用Apollo或Sunshine进行游戏串流时,许多用户会遇到一个常见错误提示:"Check your firewall and port forwarding rules for ports: UDP 47998 and UDP 48000"。这个错误通常发生在选择显示器或启动串流会话时,表现为间歇性连接失败或黑屏现象。
问题根源分析
经过技术分析,该问题主要源于以下几个技术因素:
-
端口冲突:Apollo/Sunshine默认使用47984和47989端口进行串流,而47998和48000端口则用于服务发现和配置。当这些端口号设置过于接近时,可能导致功能重叠。
-
多显卡环境:在配备多显卡的系统中,Windows应用程序选择GPU的方式可能导致串流会话无法正确建立。首次从显卡A连接的显示器串流后,若尝试从显卡B连接的显示器串流,必须重启程序。
-
直接网络连接配置:部分用户尝试通过以太网线直接连接两台电脑,但Windows对这种连接方式需要特殊网络配置,容易导致连接问题。
解决方案
端口配置调整
-
避免使用默认端口附近的端口号(如47998),建议改为间隔较大的端口号,例如46989和48989。
-
确保防火墙允许这些端口的UDP通信,即使在内网环境中也需要检查防火墙设置。
多显卡系统优化
-
启用Apollo中的"Headless Mode"(无头模式),该模式强制所有会话使用虚拟显示器,避免因切换不同GPU连接的显示器而导致的问题。
-
注意:Apollo内置了虚拟显示功能,无需额外安装虚拟显示驱动程序。
网络连接建议
-
避免直接使用以太网线连接两台电脑,这种连接方式在Windows下需要复杂的网络配置。
-
建议通过路由器建立网络连接,确保DHCP服务正常工作,简化网络配置。
技术原理深入
当Apollo/Sunshine启动串流会话时,会经历以下关键步骤:
- 服务发现:通过UDP 48000端口广播服务可用性
- 会话协商:使用UDP 47998端口进行初始配置
- 视频流传输:通过主端口(默认47984)传输视频数据
在多显示器/多GPU环境中,Windows的显示子系统会为每个物理显示器创建独立的显示路径。当串流客户端尝试捕获不同显示器的内容时,如果这些显示器连接在不同的GPU上,可能导致资源分配冲突。启用无头模式后,系统会创建一个虚拟显示器,所有串流会话都基于这个统一的目标,从而避免了多显示器环境下的兼容性问题。
最佳实践建议
- 对于家庭网络环境,建议使用标准路由器连接设备,而非直连
- 在多GPU系统中,优先使用连接主显卡的显示器或启用无头模式
- 定期检查端口占用情况,避免端口冲突
- 在更改设置后,完全重启Apollo/Sunshine服务以确保配置生效
通过以上方法,大多数用户应该能够解决"Check your firewall and port forwarding rules"错误,获得稳定的游戏串流体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00