SST项目中静态站点部署时如何复用现有ACM证书
2025-05-09 17:40:18作者:姚月梅Lane
在使用SST框架部署静态站点时,经常会遇到需要为域名配置SSL证书的情况。当站点同时配置主域名和重定向域名时,默认情况下SST会为每个域名创建单独的ACM证书,这可能导致不必要的证书申请和管理开销。
问题背景
在实际部署中,很多开发者已经拥有支持通配符的ACM证书(如*.example.com),这种证书可以同时覆盖主域名(example.com)和子域名(www.example.com)。然而,SST框架的默认行为是为重定向域名单独创建新的ACM证书,即使开发者已经提供了现有的通配符证书。
解决方案
最新版本的SST框架已经优化了这一行为。当开发者在配置中明确指定现有ACM证书ARN时,框架会将该证书同时用于主域名和重定向域名的配置,而不再创建新的证书。
配置示例
export default $config({
app(input) {
return {
name: "myapp-landing",
removal: input?.stage === "prod" ? "retain" : "remove",
home: "aws",
};
},
async run() {
new sst.aws.StaticSite("MyApp", {
path: "out",
domain: {
name: "example.com",
redirects: ["www.example.com"],
dns: sst.aws.dns({
zone: 'Z999999999999999999U',
}),
cert: "arn:aws:acm:us-east-1:123456789012:certificate/xxxxxx", // 现有通配符证书ARN
},
});
},
});
技术细节
-
证书复用机制:当提供现有证书ARN时,SST会检查该证书是否覆盖所有配置的域名(包括重定向域名)。如果覆盖,则直接复用该证书。
-
通配符支持:AWS ACM支持的通配符证书(如
*.example.com)可以匹配任意一级子域名,这使得单个证书可以满足多个域名的安全需求。 -
部署优化:复用现有证书不仅简化了证书管理,还能避免因证书申请导致的部署延迟,因为AWS ACM证书申请通常需要验证过程。
最佳实践
- 尽量使用通配符证书来简化多域名管理
- 在非生产环境测试证书配置,确保所有域名都能正确匹配
- 定期检查证书有效期,避免因证书过期导致服务中断
- 对于生产环境,考虑使用证书自动续期机制
通过这种配置方式,开发者可以更高效地管理AWS资源,同时确保站点的安全性和可用性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (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
1.57 K
911
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
518
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
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
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
212