Hickory-DNS项目中TLS解析失败的排查与解决方案
问题背景
在使用Hickory-DNS库进行DNS-over-TLS查询时,开发者可能会遇到"ConnectionRefused"错误。这个问题特别出现在使用TokioAsyncResolver配置TLS默认设置时,而同样的配置在不使用TLS的情况下却能正常工作。
错误现象
当开发者尝试使用以下代码进行DNS查询时:
use hickory_resolver::{*, config::*, name_server::TokioConnectionProvider};
#[tokio::main]
async fn main() {
let async_resolver = TokioAsyncResolver::new(
ResolverConfig::default_tls(),
ResolverOpts::default(),
TokioConnectionProvider::default()
);
let resolved = async_resolver.lookup_ip("www.example.com").await.unwrap();
println!("{:?}", resolved);
}
系统会抛出错误:"ResolveError { kind: Proto(ProtoError { kind: Io(Kind(ConnectionRefused)) })"。调试日志显示更详细的错误信息:"tls error: invalid peer certificate: UnknownIssuer"。
根本原因分析
这个问题主要由两个因素导致:
-
缺少根证书存储:Hickory-DNS的TLS功能需要webpki-roots特性来提供可信的根证书存储。如果没有启用这个特性,TLS握手会失败,因为系统无法验证服务器证书。
-
Rustls版本不兼容:当开发者尝试手动配置TLS客户端时,如果使用了与Hickory-DNS不兼容的Rustls版本(如0.23版本,而Hickory-DNS 0.24.1使用的是0.21版本),会导致类型不匹配错误。
解决方案
方案一:启用webpki-roots特性
最简单的解决方案是在Cargo.toml中同时启用dns-over-rustls和webpki-roots特性:
[dependencies]
hickory-resolver = { version = "0.24.1", features = ["dns-over-rustls", "webpki-roots"] }
这样Hickory-DNS就能使用内置的根证书来验证TLS连接。
方案二:自定义TLS配置(高级)
对于需要自定义TLS配置的开发者,需要注意Rustls版本的兼容性。Hickory-DNS 0.24.1使用的是Rustls 0.21版本,因此自定义配置时也需要使用相同版本的Rustls。
use std::sync::Arc;
use rustls_0_21 as rustls; // 确保使用正确版本
let mut root_store = rustls::RootCertStore::empty();
root_store.extend(webpki_roots::TLS_SERVER_ROOTS.iter().cloned());
let config = rustls::ClientConfig::builder()
.with_root_certificates(root_store)
.with_no_client_auth();
let mut resolver_config = ResolverConfig::default_tls();
resolver_config.set_tls_client_config(Arc::new(config));
最佳实践建议
-
保持依赖版本一致:在使用Hickory-DNS时,确保所有相关依赖(特别是Rustls)使用兼容的版本。
-
优先使用内置特性:除非有特殊需求,否则建议使用库提供的默认配置和特性,如webpki-roots。
-
关注更新日志:Hickory-DNS团队正在改进TLS相关的错误提示和功能,未来版本可能会使这个问题更易于诊断和解决。
总结
DNS-over-TLS是提高DNS查询安全性的重要技术,但在实现过程中可能会遇到证书验证和版本兼容性问题。通过正确配置Hickory-DNS的特性标志和保持依赖版本一致,开发者可以轻松实现安全可靠的DNS查询功能。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00