Next-Terminal 反向代理 HTTPS 配置问题分析与解决方案
问题背景
在使用 Next-Terminal 堡垒机系统时,许多用户希望通过反向代理方式实现 HTTPS 访问,但在配置过程中遇到了连接 SSH 资产失败的问题。具体表现为:通过 HTTP 直接映射端口可以正常连接 SSH 资产,但通过 Nginx 等反向代理配置 HTTPS 后,虽然能访问 Web 界面,却无法成功连接 SSH 资产,系统会返回"websocket error undefined"和"connection is closed"的错误提示。
问题分析
这个问题的根源在于 WebSocket 协议在反向代理环境下的特殊处理需求。Next-Terminal 使用 WebSocket 来实现终端会话的实时通信,而 WebSocket 连接在 HTTPS 环境下需要额外的配置才能正常工作。
当直接使用 HTTP 协议时,WebSocket 连接可以无障碍建立。但一旦通过反向代理配置 HTTPS,如果没有正确设置代理头部信息,WebSocket 握手过程就会失败,导致终端会话无法建立。
解决方案
要解决这个问题,需要在反向代理配置中添加对 WebSocket 协议的特殊处理。以下是经过验证的 Nginx 配置方案:
server {
listen 443 ssl;
server_name your.domain.com;
ssl_certificate /path/to/cert.pem;
ssl_certificate_key /path/to/cert.key;
ssl_session_cache shared:SSL:1m;
ssl_session_timeout 5m;
ssl_ciphers HIGH:!aNULL:!MD5;
ssl_prefer_server_ciphers on;
location / {
proxy_pass http://localhost:8088;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
}
}
关键配置说明
-
proxy_set_header Upgrade $http_upgrade
这个指令告诉 Nginx 将客户端的 Upgrade 头部传递给后端服务器,这对于 WebSocket 握手至关重要。 -
proxy_set_header Connection "upgrade"
这个指令确保连接类型被正确设置为"upgrade",允许协议从 HTTP 切换到 WebSocket。 -
X-Forwarded- 头部*
这些头部确保后端服务器能够获取客户端的真实 IP 和原始协议信息,对于日志记录和安全检查很重要。
常见问题排查
如果按照上述配置后仍然无法连接 SSH 资产,可以检查以下几点:
- 确认 Nginx 配置已重新加载(执行
nginx -s reload) - 检查防火墙是否放行了 WebSocket 使用的端口
- 查看 Next-Terminal 和 Nginx 的日志文件,寻找错误信息
- 确保 SSL 证书有效且未被浏览器拦截
最佳实践建议
- 在生产环境中,建议使用有效的 CA 签发的 SSL 证书,而非自签名证书
- 可以考虑添加 HTTP 到 HTTPS 的自动跳转,强制使用安全连接
- 对于高安全性要求的场景,可以配置额外的 WebSocket 安全策略
- 定期检查 SSL 证书的有效期,避免因证书过期导致服务中断
通过以上配置和注意事项,Next-Terminal 可以在 HTTPS 反向代理环境下正常工作,既保证了通信安全,又不影响终端连接功能。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00