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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00