Fail2Ban中ipset类型配置问题解析与解决方案
2025-05-16 04:01:15作者:咎岭娴Homer
问题背景
在使用Fail2Ban进行网络防护时,管理员可能会遇到需要批量封禁IP段(CIDR格式)的需求。然而,默认配置下Fail2Ban使用ipset的hash:ip类型,这会导致在处理大量IP段时出现"Hash is full"错误,因为每个IP地址都会被单独存储,快速耗尽ipset的容量限制。
问题分析
当尝试封禁类似103.131.71.0/24这样的IP段时,系统日志会显示"ipset v7.17: Hash is full, cannot add more elements"错误。这是因为:
- 默认的ipset类型为hash:ip,会将整个IP段展开为256个独立IP地址
- 即使设置了较大的maxelem值(如1000000),对于大规模IP段封禁仍可能不足
- 使用hash:ip类型处理IP段不仅效率低下,还可能造成IP段之间的冲突
解决方案
方法一:自定义action配置
- 创建自定义action文件
/etc/fail2ban/action.d/manual.local:
[INCLUDES]
before = iptables-ipset.conf
[Definition]
actionstart = ipset -exist create <ipmset> hash:net timeout <default-ipsettime> maxelem <maxelem> <familyopt>
<_ipt_add_rules>
- 在jail配置中指定使用此action:
[manual]
enabled = true
banaction = manual
方法二:使用新版参数(Fail2Ban v1.0+)
在较新版本的Fail2Ban中,可以直接通过参数指定ipset类型:
[manual]
enabled = true
action = iptables-ipset[type=allports, ipsettype=hash:net]
重要注意事项
- 修改配置后必须完全重启Fail2Ban服务,简单的reload可能不会生效
- 如果已有ipset存在,需要先手动销毁旧的ipset集合
- 确保配置文件中的action名称与实际使用的action匹配
技术原理
hash:net与hash:ip的主要区别:
- hash:ip:将每个IP地址单独存储,适合精确到单个IP的封禁
- hash:net:将IP段作为整体存储,适合批量封禁,节省存储空间
例如,封禁192.0.2.0/24:
- hash:ip会存储256个条目(192.0.2.0-192.0.2.255)
- hash:net仅存储1个条目(192.0.2.0/24)
最佳实践
-
根据实际需求选择合适的ipset类型:
- 主要封禁单个IP:使用hash:ip
- 主要封禁IP段:使用hash:net
-
合理设置maxelem参数,平衡内存使用和封禁容量
-
定期检查ipset使用情况:
ipset list <setname> -
对于混合场景(既有IP段又有单个IP),hash:net类型同样适用,因为单个IP可以视为/32或/128的子网
通过正确配置ipset类型,管理员可以更高效地利用Fail2Ban进行大规模网络防护,避免"Hash is full"错误,同时确保安全策略的准确执行。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
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
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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