Apache APISIX 中配置 ApisixTls 实现 SSL 上游服务的实践指南
2025-05-15 05:49:03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
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
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
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
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++
689
326
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493