AsyncSSH项目中SFTP与Shell会话冲突的解决方案
问题背景
在使用AsyncSSH构建自定义SSH服务器时,开发者可能会遇到一个常见问题:当同时启用SFTP功能和Shell会话功能时,Shell会话会意外失败。具体表现为客户端连接时出现"shell request failed on channel 0"错误,而服务器日志显示认证成功后立即关闭了连接。
问题分析
这种现象的根本原因在于AsyncSSH的会话处理机制。当开发者通过sftp_factory
参数启用SFTP功能时,AsyncSSH会默认接管所有会话请求的处理,包括Shell、Exec和Subsystem等。如果此时没有明确指定其他会话类型的处理方式,系统会拒绝这些请求。
解决方案
方案一:使用session_factory或process_factory
最简单的解决方案是在创建服务器时同时指定sftp_factory
和process_factory
参数:
await asyncssh.create_server(
lambda: SSHServer(interact),
"",
port,
server_host_keys=["/etc/ssh/ssh_host_ecdsa_key"],
sftp_factory=SFTPServer,
process_factory=handle_client_process
)
其中handle_client_process
是一个处理客户端进程的函数,可以获取连接信息:
def handle_client_process(process):
username = process.get_extra_info('username')
process.stdout.write(f'Welcome, {username}!\n')
process.exit(0)
方案二:自定义SSHServer类
对于需要更复杂控制的情况,可以创建自定义的SSHServer子类,并实现相应的回调方法:
class CustomSSHServer(asyncssh.SSHServer):
def __init__(self, interact):
self.interact = interact
self.user = None
def session_requested(self):
return self.handle_session
def handle_session(self, stdin, stdout, stderr):
# 自定义会话处理逻辑
stdout.write(f"Hello {self.user}!\n")
方案三:混合使用工厂方法和回调
也可以结合使用工厂方法和回调方法,根据不同的会话类型采取不同的处理方式:
class HybridSSHServer(asyncssh.SSHServer):
def shell_requested(self):
return True # 允许Shell会话
def exec_requested(self, command):
return self.handle_exec_command(command)
def subsystem_requested(self, subsystem):
if subsystem == 'sftp':
return True # 允许SFTP
return False
注意事项
-
会话状态管理:当需要维护会话特定状态时,可以使用
functools.partial
来传递额外参数。 -
PromptToolkit集成:如果使用PromptToolkit创建交互式Shell,需要注意它可能不支持多个并发SSH连接,这可能导致不可预见的错误。
-
性能考虑:对于高并发场景,建议使用轻量级的处理函数而非复杂的对象实例化。
最佳实践建议
-
对于简单用例,优先使用工厂方法模式,代码更简洁。
-
对于需要复杂状态管理或细粒度控制的场景,使用自定义SSHServer类。
-
明确区分不同类型的会话处理逻辑,避免功能冲突。
-
在生产环境中,建议添加详细的日志记录,以便调试会话处理流程。
通过合理配置AsyncSSH的会话处理机制,开发者可以轻松实现同时支持SFTP和Shell会话的SSH服务器,满足各种应用场景的需求。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









