Apache APISIX 中配置 ApisixTls 实现 SSL 上游服务的实践指南
2025-05-15 22:30:36作者:史锋燃Gardner
背景介绍
在现代微服务架构中,服务间的安全通信至关重要。Apache APISIX 作为一款高性能的云原生 API 网关,提供了强大的 TLS/SSL 功能来保障数据传输安全。本文将详细介绍如何在 APISIX 中正确配置 ApisixTls 资源,实现与 SSL 加密上游服务的通信。
常见问题分析
许多开发者在配置 ApisixTls 时会遇到类似以下错误:
TLSv1.3 (IN), TLS alert, internal error (592)
error:14094438:SSL routines:ssl3_read_bytes:tlsv1 alert internal error
这种错误通常表明 TLS 握手过程中出现了问题,可能是由于证书配置不当或双向认证(mTLS)验证失败导致的。
正确配置 ApisixTls
APISIX 提供了 ApisixTls CRD 资源来管理 TLS 配置。一个完整的配置示例如下:
apiVersion: apisix.apache.org/v2
kind: ApisixTls
metadata:
name: my-tls
spec:
hosts:
- your-app.example.com
secret:
name: app-secret
namespace: default
client:
caSecret:
name: app-ca-secret
namespace: default
depth: 10
关键配置项说明:
- hosts: 指定应用的主机名,必须与客户端请求的SNI匹配
- secret: 包含服务器证书和私钥的Kubernetes Secret
- client.caSecret: 包含CA证书的Secret,用于验证客户端证书
- depth: 设置证书链验证深度
解决mTLS验证问题
在某些场景下,我们可能需要对特定URI路径跳过双向认证验证。虽然ApisixTls CRD目前不支持直接配置skip_mtls_uri_regex参数,但可以通过以下两种方式实现:
方法一:使用Admin API
通过APISIX Admin API直接创建SSL对象时,可以添加skip_mtls_uri_regex参数:
{
"cert": "...",
"key": "...",
"snis": ["your-app.example.com"],
"client": {
"ca": "...",
"depth": 10,
"skip_mtls_uri_regex": ["^/api/health$"]
}
}
方法二:使用Lua插件
对于更复杂的场景,可以编写自定义Lua插件,在rewrite阶段根据请求URI决定是否跳过mTLS验证。
最佳实践建议
- 证书管理:建议使用cert-manager等工具自动管理证书生命周期
- 测试验证:配置完成后,使用openssl s_client命令验证TLS连接
- 监控告警:监控APISIX的TLS握手错误指标,及时发现配置问题
- 版本兼容性:注意不同APISIX版本对TLS功能的支持差异
总结
正确配置APISIX的TLS功能对于构建安全的服务间通信至关重要。通过理解ApisixTls资源的各项配置参数,以及掌握绕过mTLS验证的技巧,开发者可以灵活地满足不同场景下的安全需求。随着APISIX的持续发展,未来CRD资源可能会支持更多高级TLS配置选项,进一步简化安全配置流程。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143