[{"content":"Qwen3.8-27B 是大约 27B 的密集模型，混合了注意力和 Mamba。我们用 vLLM，在一张 64 GB 的 CMP170HX 上跑它的 W4A16。热态、短输出、24 路并发时，解码总吞吐是 992 tok/s，平均每路大约 54 tok/s。单路大约 94 到 129 tok/s。\n这个大约 1000 tok/s，是 24 路加在一起的数字，不是一条请求自己每秒能写出一千个 token。\n卡上实际放了什么 量化是 W4A16，权重大约 16 GiB。上下文开到 262K。混合架构的分页大小是 800 个 token。\n64 GB 的卡装完权重之后，还给 KV 留了比较宽裕的空间。我们测下面这些解码吞吐时，用的就是这档卡。权重大约 16 GiB，40 GB 的卡也放得下权重和 262K 上下文，只是 GPU 里能同时留下的 KV 会少一截。后来在 40 GB 上看过一次池子：大约 19.37 GiB，能放下大约 290147 个 token。\n解码用了 MTP1：模型每一步不只生成 1 个 token，而是附带预测后面几个，验证通过就能少算一段。MTP 越深，单路往往越快，但每一步要处理的 token 也越多，并发一乘，很容易把批大小顶满。底下的推理框架是 vLLM。\n单路更快的配置，并发反而上不去 选配置的时候，对比过 MTP1 和 MTP3。\nMTP3 单路更快：写代码大约 179 tok/s，中文大约 106，推理大约 208。MTP1 是大约 131、97、134。代码慢了大约 28%，推理慢了大约 35%，中文只差大约 9%。并发测试里，MTP1 的单路大约 127 tok/s。\n但总吞吐是另一回事。MTP1 在 16 路能到大约 890 tok/s；同一时期 MTP3 只有大约 445，每路大约 36 tok/s。如果更看重同时服务的总输出，MTP1 更合适。\n后来发现，这里还有一层加速图的限制。vLLM 默认只给 32 以内的批大小预编译加速图，超出就退回慢路径。MTP1 每路每步算 2 个 token，16 路正好是 32；MTP3 每路每步算 4 个 token，8 路就到 32 了。所以 MTP3 一开到 16 路就会掉下去，不完全是算力不够，而是走出了编译好的那条快路径。\n把预编译上限提到 128 之后，MTP3 的 16 路回到大约 790 tok/s，24 路却只有大约 495；MTP1 的 24 路还能继续往上走。MTP4 单路更快，但代码、中文、推理三组输出都跟基准对不上，没有采用。\n稳定配置下的并发数字 后来把核心偏移定在 +150，满载时温度大约 85°C，功耗顶在大约 300 W。配置是 MTP1、最多 24 路、读入块 8192、上下文 262K。这个设置下测到的解码吞吐是：\n并发 总吞吐 每路速度 1 路 — 94 到 129 tok/s 8 路 556 tok/s 约 95 tok/s 16 路 842 tok/s 约 72 tok/s 24 路 992 tok/s 约 54 tok/s 24 路的 992，是我们对外引用的那个数字。它和上一节配置选择时看到的更高值不是同一组条件，所以这里只报稳定偏移下测到的这张表。\n长文读入大约 2300 到 2500 tok/s。预填充是读提示词，解码是往外生成。长文本往往会先花时间在读入和等待第一个 token 上，这两类数字要分开看。上面这张表测的是热态、短输出的解码总吞吐，262K 只是服务开着的上下文上限，并不表示 24 路各自填满了这个长度。\n满载跑了 1 小时：输出校验每次都对得上，没有把这个结果建立在一次短测上。\n长上下文被挤出 GPU 以后 短解码只是一半。另一半是：很长的前缀被后来的请求挤出 GPU 之后，下一次还要不要整段重算。\n我们用 vLLM 的换回层，把挤出去的 KV 先放到主机内存，内存放不下再落到 NVMe，下次请求再搬回来。这条路在 vLLM 0.29 上走不通：KV 能写出去，读不回来，外部命中是 0。原因是当时开了 MTP 之后，混合架构里的几组 KV 会被一起标成草稿，换回查找对不上。公开记录在 vLLM issue 52735，后来的版本修了。我们用的是 0.33。\n升级之后核过一次：大约 3.15 万 token 的独特前缀，冷启动 15.26 秒；把进程完全重启后再发，3.03 秒就回来，命中 30400 个 token。这不是 GPU 里残留的缓存，是磁盘读回来的。\n内存层太小也不行。4 GiB 只能放下大约 60982 个 token。64K 的前缀被挤出后再请求，会整段重算大约 36 秒，命中是 0；128K 大约 89 秒。把内存层加到 14 GiB 之后，大约能放 21.5 万 token。用新生成的提示词验收：\n规模 首次（冷启动） 挤出后再请求 命中缓存 64K 35.34 秒 5.68 秒 62400 200K 169.05 秒 15.99 秒 198400 200K 从将近 3 分钟的重算，变成大约 16 秒载回来。路径是先从 NVMe 读进内存层，再搬回 GPU。如果前缀还留在 GPU 上，250K 的热缓存大约 2.63 秒就能接上，那是另一档速度。\n有一个限制：如果 GPU 上的 KV 池比内存层更大，一次能把前缀挤出 GPU 的填充请求，也常常会把内存层整层换掉。所以这里测到的“挤出后再请求”，走的是磁盘回到内存、再回到 GPU，不是纯内存命中。\n内存层如果更大，按这次 14 GiB 大约能放 21.5 万 token 的比例估算。下面两档不是另一次实测：\n内存换回层 大约能放的 KV 4 GiB（实测） 约 60982 token 14 GiB（实测） 约 21.5 万 token 64 GiB（按比例估算） 约 98 万 token 128 GiB（按比例估算） 约 197 万 token 64 GiB 已经大于我们在 40 GB 卡上看到的大约 29 万 token 的 GPU 池，也盖得住下面这档 64 GB 卡上更大的 GPU 池。被挤出 GPU 的前缀通常会留在内存里，再请求就是内存命中，日常不必再走磁盘。128 GiB 则可以同时多留几段长上下文：按 262K 上限粗算，64 GiB 大约能在内存里同时留下大约 3 段接近上限的前缀，128 GiB 大约 7 段。它们不会因此就能同时在 GPU 里解码：GPU 上同时热着多少 token，仍由显存里的 KV 池决定。内存层变大，只是让这些前缀被挤出去之后还能较快接上，不必整段重算。磁盘仍然有用：超出内存的部分可以继续往下落，进程重启后也能从盘上把前缀读回来。内存命中会比这次测到的磁盘路径（200K 大约 16 秒）更快，但具体速度取决于主机内存带宽，我们没有在 64 GiB 或 128 GiB 的换回层上复测。\n如果用一张 64 GB 的 CMP170HX，再配 64 GiB 或 128 GiB 主机内存做换回层，短解码可以沿用我们在这张 64 GB 卡上测到的数字：24 路合计 992 tok/s，单路大约 94 到 129，长文读入大约 2300 到 2500 tok/s。换回层加大，不会让这组短解码更快，也不会提高 24 路短输出的总吞吐。\n它改变的是长上下文能留下多少、被挤出去之后要不要整段重算。40 GB 的卡上，GPU KV 池实测大约 19.37 GiB、29 万 token。64 GB 的卡装完同样大约 16 GiB 的权重后，留给 KV 的空间大约多出二十多 GiB。按同样的每 token 显存密度推算，GPU 池大约能到 60 万 token 这一档。这是推算，不是另一次读下来的池子数字。按 262K 上限，大约能同时在 GPU 里热着 2 段接近上限的上下文；40 GB 的卡大约只够 1 段。\n组合 短解码（实测） GPU 上大约能同时热着 内存里大约能接着放 日常被挤出后 64 GB 卡 + 64 GiB 内存层 24 路合计 992 tok/s 约 2 段接近 262K 约 3 段接近 262K 通常走内存，不必落磁盘 64 GB 卡 + 128 GiB 内存层 同样是 992 tok/s 约 2 段接近 262K 约 7 段接近 262K 通常走内存，不必落磁盘 也就是说，64 GiB 内存层时，大约 2 段在 GPU 上解码、大约 3 段在内存里等着，加起来大约 5 段长上下文不用整段重算；128 GiB 内存层则大约是 2 加 7，一共大约 9 段。这些空闲前缀不能同时在 GPU 里跑满，只是再请求时可以较快接上。两边都还可以把磁盘留下来接溢出，以及在进程重启后把前缀读回来。\n要做到类似配置，大概需要这些条件 显存要先能放下大约 16 GiB 的 W4A16 权重，再给 KV 和运行开销留空间。64 GB 的 CMP170HX 测吞吐更宽裕。40 GB 的卡也能装下权重，并开到 262K 上下文，只是 GPU 上的 KV 池会小一截，大约是 19 GiB、29 万 token 这个量级。\n如果要做长前缀换回，主机内存需要单独留出一块给换回层。14 GiB 能覆盖大约 20 万 token；只留 4 GiB，大约只能覆盖 6 万 token，再长就会整段重算。如果是 64 GB 的卡再配 64 GiB 内存层，按比例大约能放 98 万 token，一般大于这张卡上大约 60 万的 GPU 池，日常被挤出的前缀可以只走内存；再配 128 GiB 内存层大约 197 万 token，内存里大约能同时留下大约 7 段接近 262K 的空闲前缀。磁盘依然值得留着，用来接住超出内存的部分，以及在进程重启后把前缀读回来，所以还是需要一块能跟得上的 NVMe。\n软件上是 vLLM，MTP1，预编译加速图覆盖到批大小 128，读入块 8192，上下文 262K。若要同时开 MTP 和 KV 换回，需要 vLLM 0.30 或更新的版本。\n短解码更受显存带宽影响；模型加载和换回则更看主机内存和磁盘。核心偏移我们定在 +150，满载功耗大约 300 W。再往上的偏移我们测过，稳定性不够，没有采用。\n质量 中文、代码和推理是我们用来对比 MTP 深度、也用来做满载校验的三组题目。稳定配置满载 1 小时，输出校验每次都对得上。MTP4 之所以不用，就是这三组输出跟基准不一致。\n这不是对 BF16 的正式评测，也不能据此说无损。\n测试口径：自测数据来自 2026 年 11 月。992 tok/s 指单张 64 GB CMP170HX，在 MTP1、核心偏移 +150、24 路并发、热态短解码下的合计输出吞吐。不是单路速度，也不是预填充速度，更不是把排队、预填充和首字时间都算进去的端到端指标。单路通常约 94–129 tok/s。长文读入约 2300–2500 tok/s。MTP 对比数字来自定配置时的测试；并发表是后来在稳定偏移下测的。换回数据来自 vLLM 0.33、14 GiB 内存层加 NVMe 的配置：200K 冷启动 169.05 秒，挤出后载回 15.99 秒、命中 198400；64K 冷启动 35.34 秒，载回 5.68 秒、命中 62400。64 GiB / 128 GiB 内存层大约能放 98 万、197 万 token，是按 14 GiB 实测大约 21.5 万 token 的比例估算的；64 GB 卡的 GPU 池大约 60 万 token，是按 40 GB 卡上 19.37 GiB / 29 万 token 的密度，扣除同样大约 16 GiB 权重和相近运行开销后推算的。这两项都不是另一次实测。262K 是上下文上限，不代表这些并发测试填满了该长度。质量结论只来自抽查和满载校验。\n","permalink":"https://lenzhang.top/posts/cmp170hx-qwen38-27b/","summary":"\u003cp\u003eQwen3.8-27B 是大约 27B 的密集模型，混合了注意力和 Mamba。我们用 vLLM，在一张 64 GB 的 CMP170HX 上跑它的 W4A16。热态、短输出、24 路并发时，解码总吞吐是 992 tok/s，平均每路大约 54 tok/s。单路大约 94 到 129 tok/s。\u003c/p\u003e","title":"24 路合计 992 tok/s：CMP170HX 上的 Qwen3.8-27B"},{"content":"Qwen3.8-Flash-Next 大约是 125B 的 MoE。我们用 ElectroHobo 的 3bpw 方案，在一张 64 GB 的 CMP170HX 上跑它。热态、短输出、24 路并发时，解码总吞吐第一轮是 989 tok/s，第二轮是 1107 tok/s。单路大概 150 到 180 tok/s。\n那个大约 1000 tok/s，是 24 路加在一起的数字，不是一条请求自己每秒能写出一千个 token。\n64 GB 里实际放了什么 量化是 AutoRound 的混合 2/3-bit，也就是常说的 3bpw，不是 W4A16。权重装进显存大约 47 GiB，这张 64 GB 卡几乎铺满，大概还剩 2 GiB。上下文开到 262K。\n后来看过一次 GPU 上的 KV 池：大约 7.47 GiB，能放下大约 294486 个 token，合每个 token 大约 27 KB。前面说的大约 2 GiB，是权重就位之后卡上剩下的空间，不是整个 KV 池只有这么大。262K 是单路上下文能开到的量级，并不表示 24 路可以各自填满 262K，还能维持后面那些吞吐数字。\n这条栈还有一块大约 48 GiB 的 FP8 PLE 查找表，放在主机内存里。所以这里的“单卡”指计算走一张 GPU，不是整套工作集都在显存里。\n解码用了 DFlash2：大约 1 GiB 的草稿模型先提出候选 token，再交给主模型验证。猜中了，主模型就可以少算一段。收益会随输出内容和并发变化，不能把某一类短输出的速度套到所有任务上。底下的推理框架是 vLLM。公开的单卡方案在 ElectroHobo 的 3bpw 食谱。\n换栈之前，并发几乎加不上去 切服务之前，我们在同一张卡上用同一套方法对比过三套栈：\n项目 Strata ExLlamaV3 ElectroHobo 单路解码 约 115 tok/s 约 103 tok/s 约 159 tok/s 8 路总解码 约 117 tok/s 约 148 tok/s 约 542 tok/s 16 路总解码 — 约 112 tok/s 约 878 tok/s 8K 预填充 约 1415 tok/s 更慢，未单列 4000+ tok/s 262K 上下文 能开 能开 能开 Strata 单路大约 115 tok/s，开到 8 路，总量还是大约 117。请求变多了，卡并没有吐出更多 token。ExLlamaV3 的 8 路略好（大约 148），16 路反而掉到大约 112。ElectroHobo 单路大约 159，8 路大约 542，16 路大约 878；8K 预填充也从大约 1415 走到 4000 以上。\n后来切过去再测一次：单路大约 150 tok/s，8 路总量大约 558，16 路大约 842，8K 预填充大约 4600 tok/s。满载时大约 260 W、46°C，核心偏移保持 +150。\n热态短解码：同一口径测了两轮 预填充是读提示词，解码是往外生成。长文本问答往往会先花时间在读入和等待第一个 token 上，所以这两类数字要分开看。\n下面两轮测的是热态、短输出的解码总吞吐，KV 卸载开在 24 GB。两轮之间没有改配置，也没有重启服务。\n并发 第一轮 第二轮 1 路 147 tok/s 181 tok/s 16 路 871 tok/s 874 tok/s 24 路 989 tok/s 1107 tok/s 16 路几乎没动，871 和 874。有起伏的是单路（147 到 181）和 24 路（989 到 1107）。我们没有把这个差值钉到某一个原因上，更像同一口径下的正常波动。对外说大约 1000 tok/s，比单独引用 1107 更合适。\n也别把它读成 24 路各自带着满上下文在跑。这次测的是短输出的解码吞吐，262K 只是服务开着的上下文上限。\n要做到类似配置，大概需要这些条件 显存要先能放下大约 47 GiB 的 3bpw 权重，再给 KV 和运行开销留空间。这次用的是 64 GB 的 CMP170HX，权重就位后大约剩 2 GiB。\n主机内存要能放下大约 48 GiB 的 PLE 表。只买一张卡、内存不够，这条加速路径走不通。\n软件上就是 vLLM 加 DFlash2 的 3bpw 方案，上下文按 262K 开。\n总线方面，单卡解码更受显存带宽影响；模型加载、访问主机上的查找表，以及以后如果做跨卡，PCIe 会更敏感。\n更高一档是 W4A16，权重大约 60 多 GiB。公开方案按两张 64 GB 卡、Gen2 x16 加卡间直连来做，见 ElectroHobo 的 W4A16 食谱。本文测的是单卡 3bpw，不是那条路。\n质量和其他人的数字 中文、代码和推理我们抽查过，和原来的 Strata 比，没有看到明显下降。这不是对 BF16 的正式评测，也不能据此说无损。图也能看：OCR、形状和颜色、一张 2000×1500 的图，还有一张实际图表，都只是功能抽查。\n作者公布的 3bpw 数字是：单路写代码大约 296 tok/s，8 路总量大约 791，48 路 1384，预填充大约 4243。那是作者自己的环境和题目。我们的单路明显低一些；24 路 1107 和他们的高并发总量只是量级接近，并发数和负载都不同，不好直接比高低。\n测试口径：自测数据来自 2026 年 11 月。约 1000 tok/s 指单张 64 GB CMP170HX，在 24 路并发、热态短解码下的合计输出吞吐：第一轮 989，第二轮 1107。不是单路速度，也不是预填充速度，更不是把排队、预填充和首字时间都算进去的端到端指标。单路通常约 150–180 tok/s。三栈对比是同一套方法；热态短解码的两轮单独列出，KV 卸载为 24 GB，两轮之间未改配置、未重启服务。262K 是上下文上限，不代表这些并发测试填满了该长度。质量结论只来自抽查。\n","permalink":"https://lenzhang.top/posts/cmp170hx-qwen38-flash-next/","summary":"\u003cp\u003eQwen3.8-Flash-Next 大约是 125B 的 MoE。我们用 ElectroHobo 的 3bpw 方案，在一张 64 GB 的 CMP170HX 上跑它。热态、短输出、24 路并发时，解码总吞吐第一轮是 989 tok/s，第二轮是 1107 tok/s。单路大概 150 到 180 tok/s。\u003c/p\u003e","title":"一张矿卡跑出约 1000 tok/s：CMP170HX 上的 qwen3.8 Flash"},{"content":"欢迎 🎉 这是我的第一篇博客文章！感谢你访问我的网站。\n关于这个博客 这个博客使用 Hugo 静态网站生成器搭建，具有以下特点：\n✨ 简洁美观的设计 🚀 快速的加载速度 📱 响应式布局 🔍 全文搜索功能 🏷️ 标签和分类系统 技术栈 生成器: Hugo 主题: PaperMod 部署: GitHub Actions 构建后 rsync 到阿里云 服务器: Nginx SSL: Let\u0026rsquo;s Encrypt 接下来 我会在这里分享：\n技术学习笔记 开发经验总结 工具使用心得 项目实践记录 敬请期待更多精彩内容！\n代码示例 这是一个简单的 Python 示例：\n1 2 3 4 5 6 7 def hello_world(): print(\u0026#34;Hello, World!\u0026#34;) return \u0026#34;欢迎来到我的博客\u0026#34; if __name__ == \u0026#34;__main__\u0026#34;: message = hello_world() print(message) 列表示例 我喜欢的技术：\nLinux 系统管理 容器化技术 (Docker, Kubernetes) 网络技术 前端开发 后端开发 感谢阅读！欢迎留言交流。\n","permalink":"https://lenzhang.top/posts/hello-world/","summary":"\u003ch2 id=\"欢迎-\"\u003e欢迎 🎉\u003c/h2\u003e\n\u003cp\u003e这是我的第一篇博客文章！感谢你访问我的网站。\u003c/p\u003e\n\u003ch3 id=\"关于这个博客\"\u003e关于这个博客\u003c/h3\u003e\n\u003cp\u003e这个博客使用 Hugo 静态网站生成器搭建，具有以下特点：\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e✨ 简洁美观的设计\u003c/li\u003e\n\u003cli\u003e🚀 快速的加载速度\u003c/li\u003e\n\u003cli\u003e📱 响应式布局\u003c/li\u003e\n\u003cli\u003e🔍 全文搜索功能\u003c/li\u003e\n\u003cli\u003e🏷️ 标签和分类系统\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"技术栈\"\u003e技术栈\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e生成器\u003c/strong\u003e: Hugo\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e主题\u003c/strong\u003e: PaperMod\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e部署\u003c/strong\u003e: GitHub Actions 构建后 rsync 到阿里云\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e服务器\u003c/strong\u003e: Nginx\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eSSL\u003c/strong\u003e: Let\u0026rsquo;s Encrypt\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"接下来\"\u003e接下来\u003c/h3\u003e\n\u003cp\u003e我会在这里分享：\u003c/p\u003e","title":"Hello World - 我的第一篇博客"},{"content":"什么是 FRP？ FRP (Fast Reverse Proxy) 是一个高性能的反向代理应用，可以帮助你将内网服务暴露到公网。\n应用场景 🏠 家庭服务器远程访问 💼 办公网内部服务外网访问 🎮 游戏服务器端口映射 🌐 开发环境临时展示 架构说明 1 客户端 → 公网服务器(frps) → 内网服务器(frpc) → 本地服务 安装 FRP 服务端安装 1 2 3 4 5 6 7 8 # 下载 FRP wget https://github.com/fatedier/frp/releases/download/v0.61.1/frp_0.61.1_linux_amd64.tar.gz # 解压 tar -xzf frp_0.61.1_linux_amd64.tar.gz # 复制到系统目录 sudo cp frp_0.61.1_linux_amd64/frps /usr/local/bin/ 服务端配置 创建 /etc/frp/frps.toml:\n1 2 3 4 5 6 7 8 9 10 11 12 bindPort = 7000 auth.method = \u0026#34;token\u0026#34; auth.token = \u0026#34;your_secure_token_here\u0026#34; vhostHTTPPort = 8081 vhostHTTPSPort = 8082 webServer.addr = \u0026#34;0.0.0.0\u0026#34; webServer.port = 7500 webServer.user = \u0026#34;admin\u0026#34; webServer.password = \u0026#34;password\u0026#34; 客户端配置 创建 frpc.toml:\n1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 serverAddr = \u0026#34;your_server_ip\u0026#34; serverPort = 7000 auth.method = \u0026#34;token\u0026#34; auth.token = \u0026#34;your_secure_token_here\u0026#34; # HTTP 代理 [[proxies]] name = \u0026#34;web\u0026#34; type = \u0026#34;http\u0026#34; localIP = \u0026#34;127.0.0.1\u0026#34; localPort = 80 customDomains = [\u0026#34;yourdomain.com\u0026#34;] # HTTPS 代理 [[proxies]] name = \u0026#34;web-https\u0026#34; type = \u0026#34;https\u0026#34; localIP = \u0026#34;127.0.0.1\u0026#34; localPort = 80 customDomains = [\u0026#34;yourdomain.com\u0026#34;] # SSH 代理 [[proxies]] name = \u0026#34;ssh\u0026#34; type = \u0026#34;tcp\u0026#34; localIP = \u0026#34;127.0.0.1\u0026#34; localPort = 22 remotePort = 2222 Nginx 配置 配置 Nginx 作为前端反向代理：\n1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 server { listen 80; server_name yourdomain.com; return 301 https://$host$request_uri; } server { listen 443 ssl; server_name yourdomain.com; ssl_certificate /path/to/fullchain.pem; ssl_certificate_key /path/to/privkey.pem; location / { proxy_pass http://127.0.0.1:8081; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } } 启动服务 使用 systemd 管理 创建 /etc/systemd/system/frps.service:\n1 2 3 4 5 6 7 8 9 10 11 [Unit] Description=FRP Server Service After=network.target [Service] Type=simple ExecStart=/usr/local/bin/frps -c /etc/frp/frps.toml Restart=on-failure [Install] WantedBy=multi-user.target 启动服务：\n1 2 3 sudo systemctl enable frps sudo systemctl start frps sudo systemctl status frps 常见问题 1. 连接失败 检查防火墙设置，确保端口开放：\n1 2 3 sudo ufw allow 7000/tcp sudo ufw allow 80/tcp sudo ufw allow 443/tcp 2. 性能优化 使用 TCP 多路复用 启用压缩传输 调整连接池大小 3. 安全建议 ✅ 使用强密码和 Token ✅ 启用 TLS 加密 ✅ 限制访问 IP ✅ 定期更新版本 总结 FRP 是一个强大而灵活的内网穿透工具，正确配置后可以安全高效地将内网服务暴露到公网。\n希望这篇教程对你有帮助！如有问题欢迎留言讨论。\n","permalink":"https://lenzhang.top/posts/frp-tutorial/","summary":"\u003ch2 id=\"什么是-frp\"\u003e什么是 FRP？\u003c/h2\u003e\n\u003cp\u003eFRP (Fast Reverse Proxy) 是一个高性能的反向代理应用，可以帮助你将内网服务暴露到公网。\u003c/p\u003e\n\u003ch3 id=\"应用场景\"\u003e应用场景\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e🏠 家庭服务器远程访问\u003c/li\u003e\n\u003cli\u003e💼 办公网内部服务外网访问\u003c/li\u003e\n\u003cli\u003e🎮 游戏服务器端口映射\u003c/li\u003e\n\u003cli\u003e🌐 开发环境临时展示\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"架构说明\"\u003e架构说明\u003c/h2\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cdiv class=\"chroma\"\u003e\n\u003ctable class=\"lntable\"\u003e\u003ctr\u003e\u003ctd class=\"lntd\"\u003e\n\u003cpre tabindex=\"0\" class=\"chroma\"\u003e\u003ccode\u003e\u003cspan class=\"lnt\"\u003e1\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/td\u003e\n\u003ctd class=\"lntd\"\u003e\n\u003cpre tabindex=\"0\" class=\"chroma\"\u003e\u003ccode class=\"language-fallback\" data-lang=\"fallback\"\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e客户端 → 公网服务器(frps) → 内网服务器(frpc) → 本地服务\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/td\u003e\u003c/tr\u003e\u003c/table\u003e\n\u003c/div\u003e\n\u003c/div\u003e\u003ch2 id=\"安装-frp\"\u003e安装 FRP\u003c/h2\u003e\n\u003ch3 id=\"服务端安装\"\u003e服务端安装\u003c/h3\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cdiv class=\"chroma\"\u003e\n\u003ctable class=\"lntable\"\u003e\u003ctr\u003e\u003ctd class=\"lntd\"\u003e\n\u003cpre tabindex=\"0\" class=\"chroma\"\u003e\u003ccode\u003e\u003cspan class=\"lnt\"\u003e1\n\u003c/span\u003e\u003cspan class=\"lnt\"\u003e2\n\u003c/span\u003e\u003cspan class=\"lnt\"\u003e3\n\u003c/span\u003e\u003cspan class=\"lnt\"\u003e4\n\u003c/span\u003e\u003cspan class=\"lnt\"\u003e5\n\u003c/span\u003e\u003cspan class=\"lnt\"\u003e6\n\u003c/span\u003e\u003cspan class=\"lnt\"\u003e7\n\u003c/span\u003e\u003cspan class=\"lnt\"\u003e8\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/td\u003e\n\u003ctd class=\"lntd\"\u003e\n\u003cpre tabindex=\"0\" class=\"chroma\"\u003e\u003ccode class=\"language-bash\" data-lang=\"bash\"\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e\u003cspan class=\"c1\"\u003e# 下载 FRP\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003ewget https://github.com/fatedier/frp/releases/download/v0.61.1/frp_0.61.1_linux_amd64.tar.gz\n\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e\u003cspan class=\"c1\"\u003e# 解压\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003etar -xzf frp_0.61.1_linux_amd64.tar.gz\n\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e\u003cspan class=\"c1\"\u003e# 复制到系统目录\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003esudo cp frp_0.61.1_linux_amd64/frps /usr/local/bin/\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/td\u003e\u003c/tr\u003e\u003c/table\u003e\n\u003c/div\u003e\n\u003c/div\u003e\u003ch3 id=\"服务端配置\"\u003e服务端配置\u003c/h3\u003e\n\u003cp\u003e创建 \u003ccode\u003e/etc/frp/frps.toml\u003c/code\u003e:\u003c/p\u003e","title":"使用 FRP 实现内网穿透完整指南"},{"content":"👋 关于我 你好！我是 Leo，一名技术爱好者。\n技能栈 🐧 系统: Linux, Ubuntu, CentOS 🐳 容器: Docker, Kubernetes 🌐 网络: Nginx, FRP, VPN 💻 开发: Python, JavaScript, Go 🛠️ 工具: Git, VS Code, Vim 兴趣方向 云原生技术 DevOps 实践 网络安全 开源项目 联系方式 📧 Email: zwj8727@gmail.com 🐙 GitHub: lenzhang 🌐 Website: https://lenzhang.top 感谢访问我的博客！欢迎交流探讨技术话题。\n","permalink":"https://lenzhang.top/about/","summary":"\u003ch2 id=\"-关于我\"\u003e👋 关于我\u003c/h2\u003e\n\u003cp\u003e你好！我是 Leo，一名技术爱好者。\u003c/p\u003e\n\u003ch3 id=\"技能栈\"\u003e技能栈\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e🐧 \u003cstrong\u003e系统\u003c/strong\u003e: Linux, Ubuntu, CentOS\u003c/li\u003e\n\u003cli\u003e🐳 \u003cstrong\u003e容器\u003c/strong\u003e: Docker, Kubernetes\u003c/li\u003e\n\u003cli\u003e🌐 \u003cstrong\u003e网络\u003c/strong\u003e: Nginx, FRP, VPN\u003c/li\u003e\n\u003cli\u003e💻 \u003cstrong\u003e开发\u003c/strong\u003e: Python, JavaScript, Go\u003c/li\u003e\n\u003cli\u003e🛠️ \u003cstrong\u003e工具\u003c/strong\u003e: Git, VS Code, Vim\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"兴趣方向\"\u003e兴趣方向\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e云原生技术\u003c/li\u003e\n\u003cli\u003eDevOps 实践\u003c/li\u003e\n\u003cli\u003e网络安全\u003c/li\u003e\n\u003cli\u003e开源项目\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"联系方式\"\u003e联系方式\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e📧 Email: \u003ca href=\"mailto:zwj8727@gmail.com\"\u003ezwj8727@gmail.com\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e🐙 GitHub: \u003ca href=\"https://github.com/lenzhang\"\u003elenzhang\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e🌐 Website: \u003ca href=\"https://lenzhang.top\"\u003ehttps://lenzhang.top\u003c/a\u003e\u003c/li\u003e\n\u003c/ul\u003e\n\u003chr\u003e\n\u003cp\u003e感谢访问我的博客！欢迎交流探讨技术话题。\u003c/p\u003e","title":"关于"}]