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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00