CookieCutter-Django 项目中的 Heroku Redis TLS 连接问题解析
背景介绍
在 Django 项目部署到 Heroku 平台时,Redis 作为缓存和 Celery 消息队列的后端服务被广泛使用。近期 Heroku 对其 Redis 服务进行了安全升级,默认启用了 TLS 加密连接,这导致了许多基于 CookieCutter-Django 模板创建的项目出现了连接问题。
问题本质
Heroku 的 Redis 服务升级后,连接协议从原来的 redis:// 变为了 rediss://(注意多了一个 s),这表示要求使用 SSL/TLS 加密连接。而 CookieCutter-Django 项目模板中的默认配置并未针对这一变化进行适配,导致以下问题:
- Celery 无法连接到 Redis 作为消息代理
- Django 的 Redis 缓存后端连接失败
- 即使添加了 SSL 相关配置,仍可能遇到证书验证错误
解决方案
经过社区讨论和验证,以下是完整的解决方案,适用于 Django 项目在 Heroku 上使用 Redis 服务:
1. 基础配置修改
首先需要将 Redis 连接 URL 从环境变量中读取,并明确使用 TLS 版本:
REDIS_URL = env("REDIS_TLS_URL", default="redis://localhost:6379/0")
2. Celery 配置调整
对于 Celery 的消息代理和后端连接,需要添加 SSL 相关配置:
CELERY_REDIS_BACKEND_USE_SSL = {"ssl_cert_reqs": ssl.CERT_NONE}
CELERY_BROKER_USE_SSL = {"ssl_cert_reqs": ssl.CERT_NONE}
CELERY_BROKER_CONNECTION_RETRY_ON_STARTUP = True
这里使用 ssl.CERT_NONE 表示不验证服务器证书,这是为了兼容 Heroku 的 Redis 服务证书。
3. Django 缓存配置
对于 Django 内置的 Redis 缓存后端,也需要进行相应调整:
CACHES = {
"default": {
"BACKEND": "django.core.cache.backends.redis.RedisCache",
"LOCATION": REDIS_URL,
"OPTIONS": {"ssl_cert_reqs": None},
}
}
技术细节解析
-
TLS 连接必要性:Heroku 强制使用 TLS 是为了提高数据传输安全性,防止中间人攻击。
-
证书验证处理:在生产环境中,理想情况下应该验证服务器证书。但 Heroku 的 Redis 服务使用自签名证书,因此需要禁用证书验证。
-
连接重试机制:
CELERY_BROKER_CONNECTION_RETRY_ON_STARTUP设置为 True 可以确保 Celery 在启动时如果遇到连接问题会自动重试。
最佳实践建议
-
环境区分:在开发环境中可以使用非 TLS 连接,而在生产环境强制使用 TLS。
-
配置管理:建议通过环境变量控制是否启用 SSL,增加配置灵活性。
-
监控告警:即使配置了自动重试,也应该设置监控来及时发现连接问题。
总结
Heroku 对 Redis 服务的 TLS 要求变更反映了云服务安全性的不断提升。作为开发者,我们需要及时调整应用配置以适应这些变化。本文提供的解决方案已在生产环境中验证有效,可以帮助开发者快速解决类似问题,确保 Django 应用在 Heroku 上的稳定运行。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00