Wazuh 4.12.0 Alpha 1版本Ansible自动化部署实践
2025-05-19 13:04:15作者:舒璇辛Bertina
概述
本文详细记录了使用Ansible自动化工具部署Wazuh 4.12.0 Alpha 1版本安全监控平台的全过程。Wazuh是一个开源的入侵检测和安全监控系统,本次部署采用了多节点集群架构,涵盖了索引器、服务器和仪表板等核心组件。
环境准备
部署环境采用了多种操作系统组合,确保兼容性测试的全面性:
- 控制节点:Ubuntu 24.04 x86_64(Ansible服务器)
- 索引器节点:2台Ubuntu 24.04 x86_64
- 服务器节点:2台Ubuntu 24.04 aarch64(1主1从)
- 仪表板节点:Debian 11 x86_64
- 代理节点:RHEL 7.9 x86_64
Ansible环境配置
在控制节点上完成了Ansible的安装和基础配置:
- 添加Ansible官方PPA源并安装最新版本
- 生成SSH密钥对并分发公钥到所有目标节点
- 配置Ansible主机清单文件,明确定义各节点角色和网络参数
- 测试所有节点的SSH连通性
Wazuh组件部署
部署过程分为几个关键阶段:
1. 安全凭证准备阶段
首先在索引器主节点上生成集群所需的安全凭证,包括:
- 索引器节点凭证
- Wazuh服务器节点凭证
- 仪表板节点凭证
2. 索引器集群部署
配置了两节点的Wazuh索引器集群,关键配置包括:
- 网络主机绑定
- 集群节点发现设置
- 主节点选举配置
- 跨节点通信安全配置
3. Wazuh服务器集群部署
部署了主从架构的Wazuh管理服务器:
- 主节点配置了API接口和集群管理功能
- 工作节点配置为加入现有集群
- 集成了Filebeat用于日志转发
- 自定义了API访问凭证
4. 仪表板部署
配置Wazuh仪表板连接索引器集群,包括:
- 索引器端点配置
- API后端连接设置
- 安全凭证配置
代理节点部署
在RHEL 7.9系统上完成了代理的部署和注册:
- 从预发布仓库下载代理RPM包
- 安装时指定管理服务器地址和自定义代理组
- 配置系统服务并启动代理进程
部署挑战与解决方案
在部署过程中遇到并解决了几个关键问题:
-
预发布包源适配:将默认的稳定版仓库URL替换为预发布仓库地址,确保获取Alpha版本组件。
-
Filebeat版本冲突:在ARM架构的Ubuntu节点上,修正了Filebeat版本号定义,从7.10.2调整为7.10.2-1以匹配实际包名。
-
系统依赖缺失:在Debian系统上手动安装gpg工具,满足安全通信需求。
验证与监控
部署完成后进行了全面验证:
- 确认所有服务正常运行
- 验证代理与管理服务器的通信
- 检查安全事件在仪表板中的可视化展示
- 确认集群节点间的健康状态
技术要点总结
-
多架构支持:本次部署验证了Wazuh在x86和ARM架构上的兼容性。
-
集群可靠性:通过多节点配置确保了服务的高可用性。
-
自动化优势:Ansible的使用大幅简化了复杂环境的部署流程。
-
版本适配:针对预发布版本的特殊处理确保了部署的成功率。
这次部署实践不仅验证了Wazuh 4.12.0 Alpha 1版本的核心功能,也为生产环境的大规模部署提供了可靠参考。通过解决跨平台部署中的各种挑战,积累了宝贵的实践经验。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
671
155
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++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322