使用acme.sh容器化方案实现Traefik证书自动更新
背景介绍
在容器化环境中管理SSL/TLS证书是一个常见的运维需求。acme.sh作为一款优秀的Let's Encrypt客户端,提供了自动化证书申请和更新的功能。本文将详细介绍如何在Docker环境中配置acme.sh容器,使其能够自动为Traefik反向代理更新证书,并触发容器重启以加载新证书。
核心配置方案
1. Traefik容器配置
首先需要在Traefik的compose文件中添加特定标签,使acme.sh能够识别需要证书更新的容器:
labels:
- "sh.acme.autoload.domain=example.com"
这个标签告诉acme.sh,当example.com域名的证书更新时,需要对这个容器执行相关操作。
2. acme.sh环境变量配置
在acme.sh的.env配置文件中,需要设置以下关键参数:
DEPLOY_DOCKER_CONTAINER_LABEL=sh.acme.autoload.domain=example.com
DEPLOY_DOCKER_CONTAINER_KEY_FILE="/srv/certs/id-org-key.pem"
DEPLOY_DOCKER_CONTAINER_CERT_FILE="/srv/certs/id-org-cert.pem"
DEPLOY_DOCKER_CONTAINER_CA_FILE="/srv/certs/id-org-ca.pem"
DEPLOY_DOCKER_CONTAINER_FULLCHAIN_FILE="/srv/certs/id-org-full.pem"
DEPLOY_DOCKER_CONTAINER_RELOAD_CMD="kill -s 2 1"
这些配置指定了:
- 要匹配的容器标签
- 证书文件在容器内的存储路径
- 证书更新后执行的重新加载命令
3. Docker Socket挂载
为了让acme.sh容器能够管理其他容器,需要将宿主机的Docker socket挂载到容器中:
volumes:
- /var/run/docker.sock:/var/run/docker.sock
实现原理
-
证书申请与存储:acme.sh通过DNS验证方式申请通配符证书,证书文件存储在绑定的卷中。
-
文件同步机制:通过bind mount方式,使Traefik容器和acme.sh容器共享同一个证书存储目录。
-
自动触发机制:当证书更新后,acme.sh会执行配置的reload命令,向Traefik容器发送SIGINT信号(2),触发配置重载。
验证与监控
-
文件验证:可以通过检查各容器内的证书文件时间戳和内容,确认更新是否成功。
-
证书有效期检查:使用OpenSSL命令验证证书的有效期是否已延长。
-
日志监控:acme.sh会输出详细的操作日志,包括文件复制和reload命令执行情况。
最佳实践建议
-
安全性考虑:Docker socket挂载会带来安全风险,建议限制acme.sh容器的网络访问权限。
-
备份策略:定期备份证书存储目录,防止意外数据丢失。
-
监控告警:设置证书到期监控,即使自动更新失败也能及时人工干预。
-
测试环境验证:先在测试环境验证整个流程,确认无误后再部署到生产环境。
总结
通过上述配置,我们实现了一个完整的自动化证书管理方案。acme.sh容器不仅能够自动申请和更新证书,还能触发Traefik容器重新加载配置,整个过程无需人工干预。这种方案特别适合需要长期稳定运行的容器化服务,确保了SSL/TLS证书的持续有效性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00