在Apollo配置中心使用Bash脚本实现带签名的配置请求
2025-05-05 09:55:02作者:邬祺芯Juliet
背景介绍
Apollo配置中心是一款流行的分布式配置管理系统,广泛应用于微服务架构中。在实际生产环境中,为了保证配置的安全性,Apollo提供了访问密钥(access key)机制,要求客户端在请求配置时提供有效的签名认证。
签名机制原理
Apollo的签名认证基于HMAC-SHA1算法,客户端需要构造一个特定的字符串并进行签名。签名过程包含以下几个关键要素:
- 时间戳:精确到毫秒的当前时间戳
- 请求路径:包括URI路径和查询参数
- 密钥:预先配置的访问密钥
- 分隔符:换行符(\n)作为时间戳和请求路径的分隔
签名字符串的构造格式为:时间戳 + 换行符 + 请求路径
Bash实现方案
在Bash环境中,我们可以使用openssl工具来实现HMAC-SHA1签名。以下是实现的关键点:
1. 获取精确时间戳
timestamp_ns=$(date +%s%N) # 获取纳秒级时间戳
timestamp_ms=$((timestamp_ns / 1000000)) # 转换为毫秒
2. 正确处理换行符
在Bash中,换行符需要使用$'\n'语法表示,这是常见的陷阱:
delimiter=$'\n' # 正确的换行符表示方法
3. 构造签名字符串
string_to_sign="$timestamp_ms$delimiter$path_with_query"
4. 使用openssl生成签名
signature=$(echo -n "${string_to_sign}" | openssl dgst -sha1 -hmac "${secret}" -binary | openssl enc -base64 -A)
完整脚本示例
#!/bin/bash
function signature() {
timestamp_ms="$1"
path_with_query="$2"
secret="$3"
delimiter=$'\n'
string_to_sign="$timestamp_ms$delimiter$path_with_query"
echo -n "${string_to_sign}" | openssl dgst -sha1 -hmac "${secret}" -binary | openssl enc -base64 -A
}
timestamp_ns=$(date +%s%N)
timestamp_ms=$((timestamp_ns / 1000000))
secret="$1"
path_with_query="$2"
signature=$(signature "$timestamp_ms" "${path_with_query}" "$secret")
curl -v -H "Authorization: Apollo ${appId}:${signature}" \
-H "Timestamp: ${timestamp_ms}" \
"http://${config_server}${path_with_query}"
常见问题排查
-
401 Unauthorized错误:
- 检查时间戳是否精确到毫秒
- 确认换行符是否正确处理
- 验证访问密钥是否正确
-
签名不匹配:
- 确保请求路径包含完整的URI和查询参数
- 检查URL编码是否正确处理特殊字符
-
时间同步问题:
- 确保客户端与服务器时间同步
- 时间戳偏差不应超过配置的允许范围
最佳实践建议
- 将签名功能封装为可重用函数
- 添加错误处理和重试机制
- 考虑实现本地缓存减少频繁请求
- 对敏感信息如访问密钥进行安全存储
- 添加日志记录便于问题排查
通过以上方法,可以在Bash环境中安全地访问Apollo配置中心的受保护配置,既保证了安全性,又保持了脚本的简洁性。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
266
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
1.22 K
667
🔥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
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30