# 一、概述


1. 功能	说明
2. 端口映射	将内部服务器（HTTP、TCP、UDP 等）映射到 frps（服务器端）的公开 IP+端口。
3. 多协议支持	HTTP, HTTPS, TCP, UDP, WebSocket 等多种协议。
4. 多路复用	一个 frps 进程可以同时处理成百上千条 frpc 连接，支持多域名和多端口。
5. TLS/SSL 加密	支持 TLS/SSL 双向加密，保证数据传输安全。
6. 自定义域名	通过 custom_domains 或 https 配置，可以把内部服务绑定到自定义域名。
7. 访问控制	IP 白名单/黑名单、token 认证、访问日志等。
8. 高可用	支持主从、负载均衡、集群部署。

![image.png](/static/img/63fb5dc096ca209f4f94b3dd18adc999.image.webp)

# 二、公网服务器设置
https://github.com/fatedier/frp

然后在公网服务器进行解压

```js
wget https://github.com/fatedier/frp/releases/download/v0.51.3/frp_0.51.3_linux_amd64.tar.gz
tar -zxvf frp_0.51.3_linux_amd64.tar.gz
cd frp_0.51.3_linux_amd64
```
修改服务端配置文件frps.ini

```js
vi frps.ini
```

```yml
[common]
# frp客户端与服务端的通信端口（不变）
bind_port = 7000  

# 公网用户访问的端口（关键，设为8080）
vhost_http_port = 8080  
```


```js
pkill frps  # 结束旧进程
cd frp_0.51.3_linux_amd64  # 进入frp目录
nohup ./frps -c ./frps.ini &  # 后台启动
```


# 三、内网服务器设置
```js
wget https://github.com/fatedier/frp/releases/download/v0.51.3/frp_0.51.3_linux_amd64.tar.gz
tar -zxvf frp_0.51.3_linux_amd64.tar.gz
cd frp_0.51.3_linux_amd64
```
修改服务端配置文件frpc.ini

```js
vi frpc.ini
```

```yml
[common]
#公网服务器的公网IP
server_addr = 123.123.123.123

# 与frps的bind_port一致
server_port = 7000  

# Web服务转发规则（名称[web]可自定义）
[web]
# 协议类型为HTTP
type = http 

# 虚拟机的内网IP（目标IP）
local_ip = 192.168.183.120 
# 虚拟机内Web服务的端口（目标端口）
local_port = 80  
# 公网访问时的IP（填公网服务器IP）
custom_domains = 公网服务器的公网IP  
```

```js
pkill frpc  # 结束旧进程
cd frp_0.51.3_linux_amd64  # 进入frp目录
./frpc -c ./frpc.ini  # 前台启动（查看日志，确认成功）
```

测试访问
```js
http://公网服务器的公网IP:8080
```

# 四、其他案例
如需开放访问多个虚拟机的端口

公网 9000 端口→内网 9090 端口” 的转发，和原有 “8080→80

修改服务端配置文件frpc.ini


```js
vi frpc.ini
```
```js
[common]
server_addr = 公网服务器IP  # 不变
server_port = 7000          # 不变

# 已有的Web服务规则（80端口）
[web]
type = http
local_ip = 192.168.183.120
local_port = 80
custom_domains = 公网服务器IP

# 新增规则：公网9000→内网9090（TCP类型）
[app9090]  # 规则名称，自定义（不能和已有名称重复，比如叫app9090）
type = tcp  # 非HTTP服务用TCP类型
local_ip = 192.168.183.120  # 还是你的虚拟机内网IP
local_port = 9090           # 目标内网端口（你要转发的9090）
remote_port = 9000          # 公网访问时的端口（用9000）
```

frp实现内网穿透

4.RAGFlow构建本地知识库

# 一、编写K8S的yml文件
先创建一个PV用于存储

```js
vi open-webui-pv.yaml
```
```yml
apiVersion: v1
kind: PersistentVolume
metadata:
  name: open-webui-pv  # PV 名称，需与后续绑定逻辑对应
spec:
  capacity:
    storage: 10Gi  # 容量必须与 PVC 请求的 10Gi 一致
  accessModes:
    - ReadWriteOnce  # 访问模式必须与 PVC 的 ReadWriteOnce 一致
  hostPath:
    path: /data/open-webui  # 节点上的本地目录（需在目标节点手动创建）
    type: DirectoryOrCreate  # 若目录不存在，自动创建
  storageClassName: ""  # 存储类必须与 PVC 一致（空，表示不使用存储类）
  persistentVolumeReclaimPolicy: Delete  # PVC 删除后，自动删除 PV（避免残留 Released 状态）
  # 可选：限制 PV 只能被特定节点使用（若需要固定节点，取消注释并修改节点名称）
  # nodeAffinity:
  #   required:
  #     nodeSelectorTerms:
  #     - matchExpressions:
  #       - key: kubernetes.io/hostname
  #         operator: In
  #         values:
  #         - k8s-node01  # 替换为你的目标节点名称（如 k8s-node01）
```
然后每个节点都创建好存放的目录

```js
mkdir -p /data/open-webui
```
然后启动
```js
kubectl apply -f open-webui-pv.yaml
```
再写一个open-webui.yaml

```js
vi open-webui.yaml
```

```js
apiVersion: v1
kind: PersistentVolume
metadata:
  name: open-webui-pv  # PV 名称，需与后续绑定逻辑对应
spec:
  capacity:
    storage: 10Gi  # 容量必须与 PVC 请求的 10Gi 一致
  accessModes:
    - ReadWriteOnce  # 访问模式必须与 PVC 的 ReadWriteOnce 一致
  hostPath:
    path: /data/open-webui  # 节点上的本地目录（需在目标节点手动创建）
    type: DirectoryOrCreate  # 若目录不存在，自动创建
  storageClassName: ""  # 存储类必须与 PVC 一致（空，表示不使用存储类）
  persistentVolumeReclaimPolicy: Delete  # PVC 删除后，自动删除 PV（避免残留 Released 状态）
  # 可选：限制 PV 只能被特定节点使用（若需要固定节点，取消注释并修改节点名称）
  # nodeAffinity:
  #   required:
  #     nodeSelectorTerms:
  #     - matchExpressions:
  #       - key: kubernetes.io/hostname
  #         operator: In
  #         values:
  #         - k8s-node01  # 替换为你的目标节点名称（如 k8s-node01）
[root@k8s-master01 openwebAI]# 
[root@k8s-master01 openwebAI]# cat open-webui.yaml 
# 持久化存储声明（不变）
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  name: open-webui-data
spec:
  accessModes:
    - ReadWriteOnce
  resources:
    requests:
      storage: 10Gi
  storageClassName: ""
---
# Deployment（更新资源配置）
apiVersion: apps/v1
kind: Deployment
metadata:
  name: open-webui
spec:
  replicas: 1
  selector:
    matchLabels:
      app: open-webui
  template:
    metadata:
      labels:
        app: open-webui
    spec:
      containers:
      - name: open-webui
        image: ghcr.io/open-webui/open-webui:main
        ports:
        - containerPort: 8080
        env:
        - name: OLLAMA_BASE_URL
          value: "http://192.168.201.120:11434"
        # 资源配置：最少2核4G，最多4核8G（核心修改）
        resources:
          requests:  # 启动时至少分配的资源（保证基础运行）
            cpu: 2000m  # 2核（1核=1000m）
            memory: 2Gi  # 4G内存（1Gi≈1G）
          limits:  # 最多能使用的资源（避免占用过多）
            cpu: 3000m  # 4核
            memory: 4Gi  # 8G内存
        volumeMounts:
        - name: data-volume
          mountPath: /app/backend/data
      volumes:
      - name: data-volume
        persistentVolumeClaim:
          claimName: open-webui-data
---
# Service（不变）
apiVersion: v1
kind: Service
metadata:
  name: open-webui-service
spec:
  selector:
    app: open-webui
  type: NodePort
  ports:
  - port: 8080
    targetPort: 8080
    nodePort: 30000
```
启动
```js
kubectl apply -f open-webui.yaml
```
这时就分配到该节点运行了，用该节点的IP+service暴露的端口号30000进行访问
![image.png](/static/img/e90a25e9ce56cc5e8d4ba6e6c0baa794.image.webp)


![image.png](/static/img/f3803cbb7ed5f975cf41e7cb1532a015.image.webp)


3.K8S访问Ollama对外提供AI服务

# 一、下载安装ollama

```js
curl -fsSL https://ollama.com/install.sh | sh
```
红色是因为我是虚拟机没有显卡只能用CPU
![image.png](/static/img/0e9faa04ce4baacb85f1411582b3697e.image.webp)

 测试下载一个llama3 模型
```js
ollama run llama3
```
完成下载后测试
![image.png](/static/img/2ca736f33c496b27875f535187ca83bd.image.webp)

# 二、让局域网其他设备访问
Ollama 仅允许本机访问，若需局域网其他设备调用，需修改配置让其监听全网地址：
```js
vim /etc/systemd/system/ollama.service
```
修改后如下：
```js
[Unit]
Description=Ollama Service
After=network-online.target

[Service]
Environment="OLLAMA_HOST=0.0.0.0"
ExecStart=/usr/local/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3
Environment="PATH=/root/.local/bin:/root/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin"

[Install]
WantedBy=default.target

```


然后重启服务

```js
sudo systemctl daemon-reload
sudo systemctl restart ollama
```
之后局域网设备可通过 http://你的LinuxIP:11434 调用 API（例如用 curl 或 Web 界面）


然后安装docker 运行一个web界面，启动后访问IP+3000

```js
docker run -d -p 3000:8080 \
  -e OLLAMA_BASE_URL=http://192.168.201.120:11434 \
  -v open-webui:/app/backend/data \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main
```

docker-compose方式
```yml
version: '3.8'

services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui  # 容器名称，与原命令一致
    ports:
      - "3000:8080"  # 端口映射，主机3000端口映射到容器8080端口
    environment:
      - OLLAMA_BASE_URL=http://192.168.201.120:11434  # Ollama服务地址，与原命令一致
    volumes:
      - open-webui:/app/backend/data  # 数据卷挂载，持久化存储对话历史、配置等
    restart: always  # 容器退出时自动重启（可选，推荐加上）
    networks:
      - open-webui-network  # 独立网络，避免与其他容器冲突

volumes:
  open-webui:  # 声明数据卷，确保数据持久化

networks:
  open-webui-network:  # 声明网络
    driver: bridge
```
这样就可以使用自己的AI啦
![image.png](/static/img/feefc6427c6c722f8414540999354e1d.image.webp)




![image.png](/static/img/ce8f61982a99fb529ef1d094dc1afbb0.image.webp)

2.linux上运行Ollama对外提供API服务

# 一、购买RDS数据库服务

![image.png](/static/img/1c48f2e05c8a0c5eefb287a795d724d8.image.webp)


![image.png](/static/img/e4cf7dbdb53a983b076a825aa7fa8f43.image.webp)



![image.png](/static/img/275f4fb6d679d61a2b6c3caaaf41cf1c.image.webp)

购买后等待创建完成
![image.png](/static/img/ca7142ada74dfb663e41416e10604d50.image.webp)

# 二、管理RDS


创建数据库用户

![image.png](/static/img/04f43b8c95a3c9dd4b7a87d8436748b5.image.webp)

创建一个高权限账号
![image.png](/static/img/6759a8e658f62fe3f8649b822c8e161a.image.webp)

# 三、创建数据库

![image.png](/static/img/be462fd2479f820cc1a9870cadef69d5.image.webp)

![image.png](/static/img/1ef6c88ac34d844cd91a64af47d175a1.image.webp)

然后创建一个普通账号用于读写

![image.png](/static/img/d112b2cb39ab29d8a8eefd7bdb257799.image.webp)

![image.png](/static/img/368f74b9f8974d4f76fa35dee7e287ab.image.webp)

# 四、登录数据库

![image.png](/static/img/08bd3091922ca0d81a1d2b1274d77600.image.webp)

测试数据库登录
![image.png](/static/img/d465b7e93f331c48c2f51ff3c5ad7e8d.image.webp)


# 五、给数据库设置白名单

![image.png](/static/img/8d8f9cdd701713546451692613b87aee.image.webp)


![image.png](/static/img/cc017f1fd7f0070cb58bb0981fda8121.image.webp)

然后登录ECS服务器ping一下看看通不通

![image.png](/static/img/d27db5e54e2a70e2f814f302bdddf6bf.image.webp)

然后安装一下mariadb，这样就有mysql命令了

```js
yum install -y mariadb mariadb-server
```

测试登录数据库

```js
mysql -u songxuan -p -h rm-wz931o7260or6m271.mysql.rds.aliyuncs.com
```
![image.png](/static/img/b5f080be7993c631119bad8d7878a955.image.webp)
