Mirror网络框架中ServerChangeScene对未认证连接的处理问题分析
问题背景
在Mirror网络框架中,ServerChangeScene()方法在服务器切换场景时会调用NetworkServer.SetAllClientsNotReady(),该方法会向所有客户端发送NotReadyMessage。然而,这一机制存在一个潜在问题:它会向尚未完成认证过程的客户端连接也发送NotReadyMessage,导致这些连接被意外断开。
问题现象
当服务器调用ServerChangeScene()方法时,会触发以下行为:
- 遍历所有客户端连接
- 对每个连接调用SetClientNotReady()
- 发送NotReadyMessage给每个客户端
问题在于,即使某些客户端尚未完成认证过程(如正在使用认证器进行认证),也会收到NotReadyMessage。由于NotReadyMessage是专为已认证客户端设计的消息类型,框架会检测到未认证客户端收到了不该接收的消息,从而主动断开这些连接。
技术细节分析
在Mirror框架的NetworkServer类中,SetAllClientsNotReady()方法的实现如下:
foreach (NetworkConnectionToClient conn in connections.Values)
{
SetClientNotReady(conn);
}
这种方法会无差别地处理所有连接,包括那些正在进行认证但尚未完成的连接。当这些未认证连接收到NotReadyMessage时,框架会记录如下警告并断开连接:
Disconnecting connection: connection(0). Received message Mirror.NotReadyMessage that required authentication, but the user has not authenticated yet
典型场景重现
这个问题在以下特定场景中尤为明显:
- 使用带有认证器的网络管理器
- 网络管理器未设置在线场景(onlineScene)
- 调用NetworkManager.StartHost()启动主机
- 立即调用ServerChangeScene()切换场景
在这种情况下,主机玩家会被添加到连接列表但尚未完成认证,随后收到NotReadyMessage导致断开连接。
解决方案
针对此问题,有两种可能的修复方案:
方案一:在SetAllClientsNotReady()中跳过未认证连接
public static void SetAllClientsNotReady()
{
foreach (NetworkConnectionToClient conn in connections.Values)
{
if (!conn.isAuthenticated)
continue;
SetClientNotReady(conn);
}
}
方案二:在SetClientNotReady()中增加认证检查
public static void SetClientNotReady(NetworkConnectionToClient conn)
{
if (!conn.isAuthenticated)
return;
conn.isReady = false;
conn.RemoveFromObservingsObservers();
conn.Send(new NotReadyMessage());
}
框架更新情况
值得注意的是,这个问题已经在Mirror 89.0.0版本中得到修复。新版本中已经加入了适当的认证检查,确保不会向未认证连接发送NotReadyMessage。开发者如果遇到此问题,应考虑升级到最新版本的Mirror框架。
总结
这个问题揭示了在网络框架设计中需要考虑连接状态的重要性。特别是在处理认证流程时,必须仔细区分已认证和未认证连接,避免向未认证连接发送仅限已认证连接使用的消息。这种设计考量对于构建稳定可靠的网络应用至关重要。
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