Apache DevLake 集成 Azure MySQL 灵活服务器时的证书配置方案
问题背景
在使用 Apache DevLake 的 Helm 图表部署时,当尝试连接启用了强制安全传输(require_secure_transport=ON)的 Azure MySQL 8.0 灵活服务器时,会遇到错误提示"Connections using insecure transport are prohibited"。这是由于 Azure MySQL 要求所有连接必须使用 TLS 加密,而默认配置下 DevLake 没有加载必要的 CA 证书。
解决方案
核心思路
通过在 Helm 部署时使用 postRenderers 机制,动态修改生成的 Kubernetes Deployment 配置,将包含 DigiCertGlobalRootCA 的 Secret 挂载到容器中。这样 DevLake 服务就能正确验证 MySQL 服务器的 TLS 证书。
具体实现步骤
- 准备证书 Secret
首先需要创建一个包含 CA 证书的 Kubernetes Secret。建议使用 sops 等工具对证书进行加密存储:
apiVersion: v1
kind: Secret
metadata:
name: ca-cert
namespace: devlake
type: Opaque
data:
ca-cert.crt: <base64编码的证书内容>
- 配置 Helm Values
在 Helm 安装或升级命令中,通过 postRenderers 配置动态修改 Deployment:
postRenderers:
- kustomize:
patches:
- target:
version: v1
kind: Deployment
name: devlake-lake
patch: |-
- op: add
path: /spec/template/spec/volumes
value: []
- op: add
path: /spec/template/spec/volumes/-
value:
name: ca-cert
secret:
secretName: ca-cert
namespace: devlake
- op: add
path: /spec/template/spec/containers/0/volumeMounts
value: []
- op: add
path: /spec/template/spec/containers/0/volumeMounts/-
value:
name: ca-cert
mountPath: /usr/local/share/ca-certificates/root-ca-cert
readOnly: true
subPath: ca-cert.crt
- 完整 Helm 命令示例
helm upgrade --install devlake devlake/devlake \
--set mysql.useExternal=true \
--set mysql.externalServer="xxxxxx.mysql.database.azure.com" \
--set mysql.externalPort=3306 \
--set lake.dotenv="SSL_CERT_FILE=/usr/local/share/ca-certificates/root-ca-cert/ca-cert.crt" \
--post-renderer=path/to/kustomize
技术原理
- 证书挂载机制
通过将 CA 证书挂载到容器内的 /usr/local/share/ca-certificates 目录,Linux 系统会自动加载该目录下的证书。这使得 DevLake 服务能够验证 MySQL 服务器的 TLS 证书。
- Helm postRenderers
Helm 的 postRenderers 功能允许在渲染完图表后对生成的 YAML 进行修改。这里使用 kustomize 的 JSON Patch 方式动态添加了 volumes 和 volumeMounts 配置。
- 安全传输要求
Azure MySQL 8.0 默认启用了 require_secure_transport 选项,强制要求所有连接必须使用 TLS 加密。正确配置 CA 证书是建立安全连接的前提。
最佳实践建议
- 证书管理应纳入统一的密钥管理系统
- 生产环境建议使用证书自动轮换机制
- 可以考虑使用 Cert-Manager 自动管理证书
- 测试环境可以先验证连接是否正常,再实施加密方案
总结
通过这种灵活的证书挂载方案,我们成功解决了 Apache DevLake 与 Azure MySQL 灵活服务器的安全连接问题。这种方案不仅适用于 Azure MySQL,也可以推广到其他需要自定义 CA 证书的数据库连接场景。关键在于理解 Kubernetes 的 Secret 管理机制和 Helm 的 postRenderers 功能,将它们有机结合实现安全配置的灵活注入。
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