Kyuubi 认证机制中同时启用 KERBEROS 和 LDAP 的问题分析
在 Apache Kyuubi 项目中,当尝试同时启用 KERBEROS 和 LDAP 两种认证方式时,系统会出现认证失败的问题。这个问题主要影响 Kyuubi 1.9.0 和 1.9.1 版本,表现为客户端无法通过 Zookeeper 发现服务并与 Thrift 服务器建立连接。
问题现象
当管理员在 Kyuubi 服务器配置中同时设置 kyuubi.authentication=KERBEROS,LDAP 时,客户端连接会出现以下错误:
- 用户执行
kinit user01命令进行 Kerberos 认证 - 使用 beeline 客户端连接 Kyuubi 服务时
- 系统报错:"Unable to read HiveServer2 configs from Zookeeper"
- 最终错误提示:"Error validating LDAP user: uid=anonymous"
根本原因分析
经过深入排查,发现问题主要出在两个关键组件上:
-
ZookeeperDiscoveryClient 组件:在
addConfsToPublish()方法中,没有正确设置hive.server2.authentication.kerberos.principal参数。这个参数对于 Kerberos 认证至关重要,它指定了服务主体的名称。 -
HiveSiteHS2ConnectionFileParser 组件:在
addKerberos()方法中,同样缺少了对 principal 参数的设置。这个参数需要在客户端连接时提供给服务端进行 Kerberos 认证。
由于这两个关键参数缺失,系统在尝试同时使用两种认证方式时,Kerberos 认证无法正常工作,导致认证流程回退到 LDAP 认证。而 LDAP 认证又无法正确处理匿名用户,最终导致了认证失败。
技术影响
这个问题对系统的影响主要体现在:
- 认证流程中断:客户端无法完成正常的认证流程,导致连接建立失败。
- 功能限制:管理员无法同时利用 Kerberos 和 LDAP 两种认证方式的优势。
- 用户体验下降:用户会收到不明确的错误信息,难以自行排查问题。
解决方案
该问题已在代码提交 8f147f9 中得到修复。修复方案主要包括:
- 在 ZookeeperDiscoveryClient 组件中正确设置 Kerberos 认证所需的所有参数
- 确保 HiveSiteHS2ConnectionFileParser 组件能够完整传递 Kerberos 认证信息
- 完善两种认证方式同时启用时的处理逻辑
对于使用受影响版本的用户,建议升级到包含该修复的版本,或者手动应用相关补丁。
最佳实践
在生产环境中同时启用多种认证方式时,建议:
- 仔细测试每种认证方式的单独工作情况
- 逐步引入多种认证方式,观察系统行为
- 确保所有必要的认证参数都已正确配置
- 监控认证日志,及时发现潜在问题
通过理解这个问题的本质和解决方案,管理员可以更好地规划和管理 Kyuubi 的认证机制,确保系统安全稳定运行。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00