在AWS EKS Blueprints中使用Karpenter部署跨账户CMK加密的节点组
背景介绍
在使用AWS EKS Blueprints项目部署Kubernetes集群时,Karpenter作为自动扩缩容组件能够高效地管理节点组。但在实际生产环境中,我们经常遇到需要使用跨账户的CMK(客户管理密钥)来加密节点组EBS卷的需求。本文将详细介绍如何解决Karpenter在跨账户CMK场景下的节点部署问题。
问题现象
当尝试使用Karpenter部署节点组时,如果节点AMI的EBS卷使用了另一个AWS账户中的CMK进行加密,节点会立即被终止,并出现"[Client.InvalidKMSKey.InvalidState]"错误。这表明Karpenter或节点角色没有足够的权限访问外部账户的CMK。
解决方案
IAM权限配置
首先需要确保Karpenter控制器和节点角色具有正确的KMS权限。以下是关键权限配置:
-
Karpenter控制器角色需要添加以下KMS权限:
- kms:Encrypt
- kms:Decrypt
- kms:ReEncrypt*
- kms:GenerateDataKey*
- kms:DescribeKey
- kms:CreateGrant
-
节点角色也需要类似的KMS权限,特别是当节点需要访问加密的EBS卷时。
创建KMS Grant
仅配置IAM权限是不够的,还需要在CMK所在的账户中创建Grant(授权)。这是跨账户使用CMK的关键步骤:
aws kms create-grant \
--region us-west-2 \
--key-id arn:aws:kms:us-west-2:444455556666:key/1a2b3c4d-5e6f-1a2b-3c4d-5e6f1a2b3c4d \
--grantee-principal arn:aws:iam::111122223333:role/aws-service-role/autoscaling.amazonaws.com/AWSServiceRoleForAutoScaling \
--operations "Encrypt" "Decrypt" "ReEncryptFrom" "ReEncryptTo" "GenerateDataKey" "GenerateDataKeyWithoutPlaintext" "DescribeKey" "CreateGrant"
权限策略示例
以下是一个完整的IAM策略示例,包含了Karpenter控制器所需的所有权限:
{
"Version": "2012-10-17",
"Statement": [
{
"Sid": "AllowCreationOfGrantForTheKMSKeyinExternalAccount444455556666",
"Effect": "Allow",
"Action": "kms:CreateGrant",
"Resource": "arn:aws:kms:us-west-2:444455556666:key/1a2b3c4d-5e6f-1a2b-3c4d-5e6f1a2b3c4d"
}
]
}
实施注意事项
-
权限边界:确保Grant只授予必要的操作权限,遵循最小权限原则。
-
审计跟踪:在CloudTrail中监控KMS Grant的创建和使用情况,确保安全合规。
-
自动化部署:建议将KMS Grant创建过程自动化,作为基础设施部署的一部分。
-
多区域考虑:如果您的部署跨多个AWS区域,需要为每个区域的CMK单独创建Grant。
-
角色传递:确保节点角色能够正确传递到EC2实例,这是KMS解密操作能够成功的关键。
常见问题排查
-
节点立即终止:检查CloudTrail日志,确认是否有权限拒绝的错误。
-
Grant不生效:确认Grant创建时指定的角色ARN是否正确,特别是跨账户场景。
-
权限不足:即使有Grant,节点角色仍需要基本的KMS权限才能发起解密请求。
最佳实践
-
集中管理CMK:在企业环境中,建议使用专门的账户管理CMK,其他业务账户通过跨账户访问使用。
-
定期轮换:按照安全要求定期轮换CMK,并更新相关Grant。
-
标签管理:为KMS资源和Grant添加适当的标签,便于管理和成本分配。
-
备份策略:确保加密的EBS卷有适当的备份策略,特别是跨账户场景。
通过以上配置和最佳实践,您可以在AWS EKS Blueprints项目中成功使用Karpenter部署跨账户CMK加密的节点组,既满足了安全合规要求,又保持了基础设施的弹性和自动化能力。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~046CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









