在Distribution项目中配置S3存储使用虚拟托管样式访问
背景介绍
在使用Distribution项目(原Docker Registry)作为容器镜像仓库时,许多用户会选择S3兼容存储作为后端存储方案。在实际部署中,某些S3兼容存储服务(如一些私有部署的对象存储系统)要求必须使用虚拟托管样式(Virtual Hosted Style)进行访问,而不支持路径样式(Path Style)访问。
问题现象
当用户尝试配置Distribution使用这类S3兼容存储时,可能会遇到"SecondLevelDomainForbidden: Please use virtual hosted style to access"的错误提示。这表明存储服务明确拒绝了路径样式的访问请求。
技术原理
S3 API支持两种URL格式访问存储资源:
- 路径样式(Path Style):格式为
https://s3-endpoint/bucket-name/object-key - 虚拟托管样式(Virtual Hosted Style):格式为
https://bucket-name.s3-endpoint/object-key
较新的S3兼容存储服务通常推荐或强制使用虚拟托管样式,因为它提供了更好的DNS兼容性和安全性。
解决方案
在Distribution项目中,可以通过以下配置启用虚拟托管样式访问:
storage:
s3:
access_key: YOUR_ACCESS_KEY
secret_key: YOUR_SECRET_KEY
region: no-use # 当使用自定义endpoint时,region可设为任意值
regionendpoint: https://bucket-name.oss-example.com
bucket: bucket-name
forcepathstyle: false # 关键配置,禁用路径样式
配置注意事项
-
endpoint配置:当使用虚拟托管样式时,regionendpoint应该包含完整的bucket名称作为子域名。
-
forcepathstyle参数:必须显式设置为false,以确保使用虚拟托管样式。
-
bucket名称:必须与regionendpoint中的bucket名称一致。
-
中间件配置:在某些特殊情况下,可能需要配合redirect中间件使用,但这不是必须的。
常见误区
-
bucket名称重复:错误的配置可能导致存储路径中出现重复的bucket名称,如
s3://bucket-name/bucket-name/...。 -
endpoint格式错误:regionendpoint中忘记包含bucket名称作为子域名。
-
参数冲突:同时设置了forcepathstyle和redirect中间件可能导致不可预期的行为。
总结
正确配置Distribution项目使用虚拟托管样式访问S3兼容存储需要注意endpoint格式和forcepathstyle参数的设置。通过合理的配置,可以解决"SecondLevelDomainForbidden"错误,并确保容器镜像能够正常推送到使用虚拟托管样式的S3兼容存储后端。
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