ZenML Helm Chart中TLS证书挂载问题的解决方案
2025-06-12 11:53:37作者:房伟宁
问题背景
在使用ZenML的Helm chart(版本0.71.0)部署时,用户发现当前版本不支持直接挂载TLS证书以实现MySQL SSL加密连接。文档中建议的解决方案是将证书添加到chart根目录,但这需要重新打包Helm chart,对于生产环境来说既不实用也不符合安全最佳实践。
技术挑战分析
MySQL SSL加密连接是保障数据库通信安全的重要手段,但在Kubernetes环境中,证书管理通常有以下几种方式:
- 使用Kubernetes Secret存储证书
- 利用集群已有的CA证书(如位于/etc/ssl/certs/ca-certificates.crt)
- 通过ConfigMap注入证书
原Helm chart设计未充分考虑这些场景,导致用户不得不选择降低安全标准,关闭SSL加密功能。
解决方案演进
开发团队在后续版本中实现了以下改进:
-
自动使用系统证书:当数据库连接URL包含
?ssl=true参数或设置zenml.database.ssl: trueHelm chart值时,系统会自动使用容器内已有的CA证书(通常位于/etc/ssl/certs/ca-certificates.crt)。 -
全局证书注入:新增了
zenml.certificates配置项,允许在容器级别全局注入自定义CA证书。 -
向后兼容设计:新版本保持了与现有部署的兼容性,不会破坏已有配置。
实现细节
在技术实现上,开发团队主要做了以下工作:
- 修改了Helm chart模板,增加了证书挂载点的支持
- 更新了应用配置逻辑,使其能够自动发现并使用系统证书
- 完善了文档说明,清晰标注了各种证书使用场景的配置方法
版本升级建议
该功能已在ZenML Helm chart 0.74.0版本中正式发布。对于需要使用MySQL SSL加密连接的用户,建议:
- 升级到0.74.0或更高版本
- 根据实际需求选择证书使用方式:
- 简单场景:直接启用
zenml.database.ssl: true使用系统证书 - 定制场景:通过
zenml.certificates配置自定义证书
- 简单场景:直接启用
安全最佳实践
虽然新版本解决了证书挂载问题,但在生产环境中部署时仍建议:
- 定期轮换证书
- 使用Kubernetes RBAC严格控制证书Secret的访问权限
- 考虑使用服务网格(如Istio)提供的mTLS功能增强安全性
总结
ZenML团队通过这次改进,使Helm chart在保持易用性的同时,更好地满足了企业级安全需求。这种渐进式的安全增强方式,既解决了用户痛点,又为未来可能的证书管理需求(如多证书支持、自动证书轮换等)留下了扩展空间。
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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
308
🔥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
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
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878