SST项目部署中遇到的无效证书问题分析与解决
问题背景
在使用SST框架部署Next.js应用时,开发者在GitHub Actions工作流中遇到了一个奇怪的证书验证问题。具体表现为:在dev分支部署成功,但在main分支部署时出现CloudFront证书无效的错误提示。
错误现象
部署过程中系统报错显示:
InvalidViewerCertificate: The specified SSL certificate doesn't exist, isn't in us-east-1 region, isn't valid, or doesn't include a valid certificate chain.
问题分析
-
证书区域验证:错误提示明确指出证书需要在us-east-1区域,这是CloudFront分发证书的硬性要求。初步检查确认证书确实创建在该区域。
-
环境差异:
dev分支部署成功而main失败,表明问题与环境配置相关而非证书本身。 -
AWS账户隔离:进一步排查发现,问题根源在于AWS OIDC(OpenID Connect)配置。开发环境配置了正确的OIDC,但生产环境缺少相应配置。
根本原因
当使用GitHub Actions部署到不同AWS账户时,每个账户都需要独立的OIDC身份提供商配置。生产环境账户缺少OIDC配置导致:
- GitHub Actions无法正确认证
- 部署流程无法访问目标账户的证书资源
- 系统误判为证书不存在或无效
解决方案
-
为每个环境配置独立OIDC:为生产环境账户创建专用的OIDC身份提供商,确保GitHub Actions有正确的访问权限。
-
验证证书可见性:确保部署角色有权限查看和使用目标账户中的ACM证书。
-
环境隔离检查:确认dev和prod环境的AWS账户完全隔离,避免配置混淆。
最佳实践建议
-
基础设施即代码:将OIDC配置纳入基础设施管理,确保环境一致性。
-
权限最小化:为CI/CD流程配置精确的IAM权限,仅授予必要的证书访问权限。
-
环境一致性检查:建立部署前的环境验证流程,确保各环境配置同步。
-
错误处理改进:在部署脚本中添加证书预检查逻辑,提前发现配置问题。
总结
这个案例展示了多云账户环境下基础设施部署的典型挑战。通过为每个目标环境配置独立的OIDC身份提供商,不仅解决了证书验证问题,也为团队建立了更健壮的持续交付基础。开发者在处理类似跨账户部署问题时,应当特别注意权限和身份验证机制的完整配置。
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-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