pip项目中SSL证书验证在网络中转环境下的问题分析
2025-05-24 15:37:57作者:龚格成
问题背景
在Python包管理工具pip的最新版本25.0.1中,当用户在使用网络中转服务器(HTTP_PROXY/HTTPS_PROXY)并启用truststore进行SSL证书验证时,可能会遇到证书验证失败的问题。具体表现为pip在尝试连接PyPI服务器时抛出"CERTIFICATE_VERIFY_FAILED"错误,提示无法获取本地颁发者证书。
问题现象
用户在网络中转环境执行pip安装命令时,系统会报出如下警告信息:
WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLError(SSLCertVerificationError(1, '[SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1007)'))': /simple/scipy/
技术分析
正常流程分析
在标准的pip工作流程中,SSL证书验证通常遵循以下步骤:
- pip会创建一个信任存储(truststore)的SSL上下文(ssl_context)
- 这个上下文会被传递给PipSession对象
- 根据配置,PipSession会使用HTTPAdapter或CacheControlAdapter
- 适配器初始化时会创建连接池管理器(PoolManager)
- 连接池管理器会将SSL上下文保存起来用于后续连接
问题根源
当系统配置了网络中转服务器时,问题出现在请求适配器的处理流程中:
- 虽然初始化的PoolManager正确保存了SSL上下文
- 但在构建连接池键属性时,SSL上下文没有被包含在pool_kwargs中
- 当检测到中转配置时,系统会创建一个新的ProxyManager
- 由于SSL上下文信息丢失,ProxyManager无法正确进行证书验证
深层原因
问题的本质在于requests适配器层在处理中转连接时的上下文传递不完整。具体表现为:
- 初始PoolManager正确接收并保存了SSL上下文
- 但在中转环境下创建ProxyManager时,关键的SSL验证参数没有从原始PoolManager传递到新的ProxyManager
- 导致虽然verify=True,但实际缺少有效的SSL上下文进行证书验证
临时解决方案
目前用户可以通过以下方式临时解决该问题:
- 设置环境变量SSL_CERT_FILE指向有效的CA证书文件
- 或者手动修改requests适配器代码,确保pool_kwargs包含原始PoolManager的connection_pool_kwargs
影响范围
该问题主要影响:
- 使用pip 25.0.1版本
- 在网络中转环境下工作
- 启用了truststore进行证书验证
- 特定OpenSSL配置的环境
技术建议
对于开发者而言,正确的修复方案应该确保:
- SSL上下文在中转和非中转环境下都能正确传递
- PoolManager和ProxyManager之间的参数传递要完整
- 证书验证逻辑要保持一致性
总结
pip在网络中转环境下处理SSL证书验证时存在参数传递不完整的问题,这导致系统信任存储无法正确用于证书验证。虽然目前有临时解决方案,但需要pip开发团队在底层请求处理逻辑中进行修复,确保SSL上下文在各种网络配置下都能正确传递和使用。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 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 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
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++
654
278
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
246
316
🎉 (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
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
75
99
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
385
3.74 K