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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0299- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









