Apache DevLake 集成 Azure MySQL 灵活服务器的 SSL 证书配置指南
2025-06-29 02:37:16作者:咎竹峻Karen
背景介绍
在云原生应用部署中,Apache DevLake 作为开源的数据湖平台,经常需要与云数据库服务进行集成。当使用 Azure MySQL 灵活服务器时,由于其默认启用了安全传输要求(require_secure_transport=ON),传统的非加密连接方式会导致连接失败。
问题分析
在 Helm 部署 DevLake 时,如果配置了外部 MySQL 服务(如 Azure MySQL),系统会抛出错误代码 3159,提示"Connections using insecure transport are prohibited"。这是因为 Azure MySQL 强制要求使用 SSL/TLS 加密连接,而默认的 Helm 配置中缺少相应的证书配置。
解决方案
核心解决思路
通过 Helm 的 postRenderers 功能,在部署时动态修改 Kubernetes 部署描述,将 SSL 证书以 Secret 形式挂载到容器中。这种方法既保持了部署的灵活性,又满足了安全要求。
具体实施步骤
- 准备证书 Secret 首先需要将 DigiCertGlobalRootCA 证书文件编码为 base64,并创建 Kubernetes Secret:
apiVersion: v1
kind: Secret
metadata:
name: ca-cert
namespace: devlake
type: Opaque
data:
ca-cert.crt: <base64编码的证书内容>
建议使用 sops 等工具对 Secret 进行加密,增强安全性。
- 配置 Helm 部署
在 Helm 安装或升级命令中,通过 postRenderers 配置证书挂载:
postRenderers:
- kustomize:
patches:
- target:
version: v1
kind: Deployment
name: devlake-lake
patch: |-
- op: add
path: /spec/template/spec/volumes
value: []
- op: add
path: /spec/template/spec/volumes/-
value:
name: ca-cert
secret:
secretName: ca-cert
namespace: devlake
- op: add
path: /spec/template/spec/containers/0/volumeMounts
value: []
- op: add
path: /spec/template/spec/containers/0/volumeMounts/-
value:
name: ca-cert
mountPath: /usr/local/share/ca-certificates/root-ca-cert
readOnly: true
subPath: ca-cert.crt
- 验证配置
部署完成后,可以进入容器验证证书是否已正确挂载:
kubectl exec -it <devlake-pod> -- ls /usr/local/share/ca-certificates/root-ca-cert
技术原理
这种解决方案利用了 Kubernetes 的几个关键特性:
- Secret 管理:将敏感证书信息存储在 Secret 中,避免直接暴露在部署文件中
- Volume 挂载:通过 Volume 将证书挂载到容器指定目录
- Helm 后渲染:使用 postRenderers 在不修改原始 Chart 的情况下动态调整部署配置
最佳实践建议
- 对于生产环境,建议将证书管理纳入统一的证书管理系统
- 定期轮换证书并更新 Secret
- 考虑使用 Cert-Manager 等工具自动化证书管理
- 在 CI/CD 流水线中加入证书验证步骤
总结
通过本文介绍的方法,可以有效地解决 Apache DevLake 与 Azure MySQL 灵活服务器集成时的 SSL 连接问题。这种方案不仅适用于当前场景,其原理也可以推广到其他需要自定义证书的云服务集成场景中。随着云原生安全要求的不断提高,掌握这类证书管理技术将成为 DevOps 工程师的必备技能。
登录后查看全文
热门项目推荐
相关项目推荐
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。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler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。
C
19
30