用Python实现一个简单的远程桌面服务端和客户端
一、背景与需求分析
远程控制工具在IT运维、远程办公和嵌入式设备管理中扮演着重要角色。然而,在特定场景下(如控制基于RK3588芯片的Ubuntu系统),现有工具(如向日葵)可能存在以下问题:
- 兼容性问题:嵌入式平台的特殊硬件架构可能导致商业软件无法正常工作
- 性能问题:高延迟或低帧率影响操作体验
- 成本问题:专业版软件通常需要付费订阅
为此,我们开发了一个轻量级的远程桌面解决方案,它具有以下特点:
- 低延迟:优化了网络传输和图像处理流程
- 跨平台:基于Python开发,可运行在多种系统上
- 开源免费:无使用限制,可自由定制
- 轻量级:核心代码不到500行
二、 技术方案概述
我们的远程桌面系统采用客户端-服务端架构:
+--------------+ +-----------------+
| | | |
| 客户端 |<------>| 服务端 |
| (控制端) | | (被控设备) |
| | | |
+--------------+ +-----------------+
2.1 通信协议设计
| 通道类型 | 端口 | 功能 | 数据格式 |
|---|---|---|---|
| 视频流 | 5000 | 传输屏幕图像 | 帧长度头(4字节) + zlib压缩的JPEG图像 |
| 事件流 | 5001 | 传输控制事件 | 事件长度头(4字节) + CSV格式事件数据 |
2.2 性能优化策略
- 图像压缩:JPEG编码 + zlib二次压缩
- 帧率控制:客户端和服务端独立控制渲染/捕获帧率
- 网络优化:禁用Nagle算法(TCP_NODELAY)
- 线程分离:视频接收与UI渲染分离
三、服务端实现详解
服务端运行在被控设备上,负责捕获屏幕并响应控制指令。
3.1 核心功能模块
3.2 关键代码解析
屏幕捕获优化:
def capture_screen():
with mss.mss() as sct:
monitor = sct.monitors[1] # 主显示器
img = sct.grab(monitor) # 高效捕获
# 转换为OpenCV格式并调整大小
frame = np.array(img)
frame = cv2.cvtColor(frame, cv2.COLOR_BGRA2BGR)
return cv2.resize(frame, RESOLUTION)
使用mss库替代传统的pyautogui.screenshot(),速度提升3-5倍,尤其在低性能设备上效果显著。
图像处理流水线:
def encode_frame(frame):
# 使用硬件加速编码(如果可用)
if cv2.ocl.haveOpenCL():
cv2.ocl.setUseOpenCL(True)
cl_frame = cv2.UMat(frame)
_, jpeg = cv2.imencode('.jpg', cl_frame, [cv2.IMWRITE_JPEG_QUALITY, QUALITY])
else:
_, jpeg = cv2.imencode('.jpg', frame, [cv2.IMWRITE_JPEG_QUALITY, QUALITY])
# 二次压缩减少网络负载
return zlib.compress(jpeg.tobytes(), level=COMPRESS_LEVEL)
这里采用两级压缩策略:
- JPEG有损压缩(质量40):减少90%图像数据量
- zlib无损压缩(级别1):额外减少30-50%大小
事件处理逻辑:
def handle_event(data):
parts = data.split(',', 4)
event_type = parts[0]
if event_type == 'm': # 鼠标事件
x, y = float(parts[1]), float(parts[2])
screen_width, screen_height = pyautogui.size()
abs_x = int(x * screen_width)
abs_y = int(y * screen_height)
# 移动或点击处理
if len(parts) > 3:
# ... 执行相应操作 ...
elif event_type == 'k': # 键盘事件
key, pressed = parts[1], parts[2] == '1'
# ... 执行按键操作 ...
事件数据采用紧凑的CSV格式:
- 鼠标事件:
m,x,y,button,pressed - 键盘事件:
k,key,pressed
四、完整的代码
4.1 客户端代码(remote_desktop_client.py)
客户端提供用户界面,显示远程屏幕并捕获本地输入事件。
架构设计
1万+



被折叠的 条评论
为什么被折叠?



