SPIRE教程:深入理解Nested SPIRE架构部署
2025-06-05 16:47:34作者:侯霆垣
概述
在现代分布式系统中,身份认证和授权是确保系统安全的关键要素。SPIRE(SPIFFE Runtime Environment)作为SPIFFE规范的一个实现,为工作负载提供了强大的身份认证能力。本文将重点介绍SPIRE中的Nested拓扑架构,这是一种将多个SPIRE服务器"链式"连接的高级部署模式。
Nested SPIRE架构核心概念
Nested SPIRE架构允许将多个SPIRE服务器以层级关系连接起来,形成一个统一的信任域。在这种架构中:
- 所有SPIRE服务器都能为同一信任域颁发身份凭证
- 工作负载获取的身份文档可以通过信任域的根密钥进行验证
- 通过在每个下游SPIRE服务器旁部署SPIRE Agent实现链式连接
这种架构特别适合多云环境部署,因为下游SPIRE服务器可以位于不同的云提供商环境中,同时为工作负载和SPIRE Agent提供身份认证服务。
环境准备
在开始部署前,需要确保具备以下环境:
- 64位Linux或macOS操作系统
- 已安装Docker和Docker Compose
- Go 1.14.4或更高版本
部署架构详解
本教程演示的部署架构包含三个SPIRE部署:
- Root SPIRE:作为信任域的根服务器
- NestedA SPIRE:第一个嵌套SPIRE服务器
- NestedB SPIRE:第二个嵌套SPIRE服务器
关键组件配置
-
共享目录设置:
- 创建一个本地目录作为共享卷,用于在Root SPIRE Agent和嵌套SPIRE服务器之间共享Workload API
-
Root SPIRE配置:
- 使用默认的server.conf和agent.conf配置文件
- 特别注意Workload API socket的绑定路径配置
- 在docker-compose.yaml中配置volume挂载
-
Nested SPIRE配置:
- 使用spire UpstreamAuthority插件
- 配置上游SPIRE服务器(root-server)信息
- 在docker-compose.yaml中挂载共享目录
插件机制
SPIRE通过插件系统实现扩展性,在Nested架构中关键使用:
- UpstreamAuthority插件:允许SPIRE服务器与现有PKI系统集成
- spire插件:专为Nested架构设计,使用上游SPIRE服务器获取中间签名证书
部署实践步骤
第一步:创建下游注册条目
每个嵌套SPIRE服务器都需要在Root SPIRE服务器上注册,以获取其身份标识:
docker compose exec -T root-server \
/opt/spire/bin/spire-server entry create \
-parentID "spiffe://example.org/spire/agent/x509pop/$(fingerprint root/agent/agent.crt.pem)" \
-spiffeID "spiffe://example.org/nestedA" \
-selector "docker:label:org.example.name:nestedA-server" \
-downstream
关键参数说明:
-parentID:指定Root SPIRE Agent的SPIFFE ID-downstream:标识这是一个下游SPIRE服务器
第二步:启动所有服务
使用提供的脚本一键启动所有服务:
bash scripts/set-env.sh
查看服务日志:
docker compose logs -f -t
测试验证
创建工作负载注册条目
为每个嵌套SPIRE服务器创建工作负载注册条目:
# 为nestedA部署创建工作负载
docker compose exec -T nestedA-server \
/opt/spire/bin/spire-server entry create \
-parentID "spiffe://example.org/spire/agent/x509pop/$(fingerprint nestedA/agent/agent.crt.pem)" \
-spiffeID "spiffe://example.org/nestedA/workload" \
-selector "unix:uid:1001"
# 为nestedB部署创建工作负载
docker compose exec -T nestedB-server \
/opt/spire/bin/spire-server entry create \
-parentID "spiffe://example.org/spire/agent/x509pop/$(fingerprint nestedB/agent/agent.crt.pem)" \
-spiffeID "spiffe://example.org/nestedB/workload" \
-selector "unix:uid:1001"
跨嵌套服务器验证
- 从nestedA获取JWT-SVID:
token=$(docker compose exec -u 1001 -T nestedA-agent \
/opt/spire/bin/spire-agent api fetch jwt -audience nested-test -socketPath /opt/spire/sockets/workload_api.sock | sed -n '2p')
- 在nestedB上验证token:
docker compose exec -u 1001 -T nestedB-agent \
/opt/spire/bin/spire-agent api validate jwt -audience nested-test -svid "${token}" \
-socketPath /opt/spire/sockets/workload_api.sock
成功验证将输出:
SVID is valid.
SPIFFE ID : spiffe://example.org/nestedA/workload
Claims : {"aud":["nested-test"],"exp":1595814190,"iat":1595813890,"sub":"spiffe://example.org/nestedA/workload"}
这证明了即使在不同的嵌套SPIRE服务器上颁发的身份凭证,在整个信任域内都是有效的。
清理环境
完成测试后,使用以下命令清理环境:
bash scripts/clean-env.sh
总结
Nested SPIRE架构为复杂分布式系统提供了灵活的身份认证解决方案,特别适合多云环境和需要分层管理的场景。通过本教程,我们学习了:
- Nested SPIRE的基本概念和优势
- 如何配置多级SPIRE服务器
- 使用UpstreamAuthority插件实现服务器链式连接
- 创建工作负载注册条目
- 验证跨嵌套服务器的身份凭证有效性
这种架构不仅提高了系统的可扩展性,还保持了整个信任域内身份认证的一致性,是构建安全分布式系统的重要工具。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217