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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00