PgBouncer SSL 测试在OpenSSL 3.3.1环境下的兼容性问题分析
在PgBouncer项目的测试过程中,我们发现了一个与OpenSSL 3.3.1版本相关的SSL证书验证问题。这个问题主要影响在Ubuntu 24.10等使用OpenSSL 3.3.1的系统上运行SSL相关测试用例时出现失败。
问题现象
当在安装了OpenSSL 3.3.1的系统上运行PgBouncer的SSL测试套件时,多个测试用例会失败。测试失败的表现形式主要包括两种错误信息:
- 证书验证失败:"SSL error: certificate verify failed"
- TLS握手错误:"TLS handshake error: handshake failed: error:0A000418:SSL routines::tlsv1 alert unknown ca"
这些错误不仅影响基本的SSL连接测试,还影响了包括客户端认证、SCRAM认证和SSL复制功能在内的多个测试场景。
问题根源分析
经过深入调查,我们发现问题的根本原因在于OpenSSL 3.3.1对证书验证的要求变得更加严格。具体来说,新版本的OpenSSL要求CA证书必须明确包含基本的约束扩展(basicConstraints extension),并且该扩展必须标记为critical。
在PgBouncer的测试环境中,测试使用的CA证书是通过测试脚本自动创建的。在旧版本的OpenSSL中,即使没有明确指定basicConstraints扩展,证书也能正常工作。但在OpenSSL 3.3.1中,这种隐式行为不再被允许。
解决方案
为了解决这个问题,我们修改了测试证书创建脚本,在创建CA证书时显式添加了basicConstraints扩展。具体修改是在证书创建命令中添加了以下参数:
-addext basicConstraints=critical,CA:TRUE,pathlen:1
这个修改确保了创建的CA证书符合OpenSSL 3.3.1的严格验证要求。
向后兼容性考虑
在实施解决方案时,我们还考虑到了对旧版本OpenSSL的兼容性。特别是对于仍然使用OpenSSL 1.0.x版本的系统(如SLES 12),这些系统不支持-addext参数。为此,我们实现了版本检测逻辑,只在OpenSSL 1.0.x以上版本中使用-addext参数。
最终的解决方案采用了POSIX兼容的shell脚本实现,确保在各种Unix-like系统上都能正常工作。版本检测逻辑通过解析openssl version命令的输出,动态决定是否添加扩展参数。
结论
这个问题的解决过程展示了在维护开源项目时处理不同版本依赖库兼容性的重要性。通过精确识别问题根源并实施有针对性的解决方案,我们不仅解决了当前的问题,还确保了解决方案在各种环境下的广泛适用性。
对于使用PgBouncer的开发者和系统管理员来说,这个案例也提醒我们,在升级系统或依赖库时,需要特别注意安全相关组件的验证行为变化,这些变化可能会影响现有的应用程序行为。
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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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