Apache APISIX 使用 GCP Secret Manager 时的 SSL 证书验证问题解析
问题背景
在使用 Apache APISIX 3.11.0 版本集成 Google Cloud Platform (GCP) Secret Manager 时,当配置了 ssl_verify: true
(默认值)并同时设置了 ssl_trusted_certificate
参数时,系统会出现 unable to get local issuer certificate
错误,导致无法正常获取 GCP 上的密钥信息。而当关闭 SSL 验证(ssl_verify: false
)时,功能却能正常工作。
问题现象
具体表现为当尝试通过 GCP Secret Manager 获取密钥时,APISIX 会返回 401 未授权错误,并在错误日志中记录以下信息:
[lua] google-cloud-oauth.lua:62: refresh_access_token(): failed to refresh google oauth access token, 20: unable to get local issuer certificate
技术分析
这个问题本质上是一个 SSL/TLS 证书验证问题。当 APISIX 尝试与 GCP 的 OAuth2 服务进行通信以获取访问令牌时,SSL 握手过程中无法验证服务器证书的合法性。具体原因可能包括:
- 系统缺少必要的根证书
- 证书链不完整
- 证书路径配置不正确
在 APISIX 中,ssl_trusted_certificate
参数用于指定受信任的 CA 证书文件路径,而 ssl_verify
参数控制是否启用 SSL 证书验证。理论上,当两者都正确配置时,SSL 验证应该能够正常工作。
解决方案
经过测试验证,在 APISIX 3.11.0 版本中,只需在配置文件中正确设置以下内容即可解决此问题:
apisix:
ssl:
ssl_trusted_certificate: /etc/ssl/certs/ca-certificates.crt
这个配置指定了系统信任的 CA 证书存储路径,通常这个路径包含了大多数主流 CA 的根证书,包括 Google 使用的证书颁发机构。
最佳实践建议
-
证书管理:确保系统中有完整的 CA 证书链,特别是在容器化环境中,可能需要显式安装 ca-certificates 包。
-
配置验证:在配置 GCP Secret Manager 集成时,建议先测试基础连接性,再逐步添加安全限制。
-
版本兼容性:注意不同 APISIX 版本间的行为差异,某些问题可能在新版本中已得到修复。
-
安全权衡:虽然设置
ssl_verify: false
可以快速解决问题,但在生产环境中不建议这样做,这会降低系统的安全性。
总结
SSL/TLS 证书验证是保障系统间通信安全的重要机制。在 APISIX 与 GCP 服务集成时,正确配置证书信任链是关键。通过合理设置 ssl_trusted_certificate
参数,可以在保持安全性的同时确保功能正常运作。随着 APISIX 版本的迭代,这类集成问题通常会得到更好的支持和更简单的配置方式。
- DDeepSeek-V3.1-TerminusDeepSeek-V3.1-Terminus是V3的更新版,修复语言问题,并优化了代码与搜索智能体性能。Python00
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
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~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AudioFly
AudioFly is a text-to-audio generation model based on the LDM architecture. It produces high-fidelity sounds at 44.1 kHz sampling rate with strong alignment to text prompts, suitable for sound effects, music, and multi-event audio synthesis tasks.Python00- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









