Listmonk项目集成Amazon SES SMTP服务的完整指南
2025-05-13 02:19:47作者:咎竹峻Karen
前言
在使用Listmonk邮件列表管理系统时,与Amazon SES(Simple Email Service)的集成是一个常见需求。本文将详细介绍如何正确配置Listmonk与Amazon SES的SMTP服务,特别是解决常见的535认证错误问题。
Amazon SES SMTP认证机制解析
Amazon SES的SMTP认证机制与常规SMTP服务有所不同,它采用了一种特殊的认证方式:
-
认证凭证结构:
- 用户名:直接使用AWS IAM访问密钥ID
- 密码:需要通过特定算法将IAM密钥转换为SMTP专用密码
-
认证流程:
- 不是直接使用IAM密钥对
- 需要将Secret Access Key转换为SMTP专用密码
详细配置步骤
第一步:创建IAM用户
- 登录AWS控制台,进入IAM服务
- 创建新用户,建议命名为"listmonk-ses-user"
- 为该用户附加"AmazonSESFullAccess"策略
第二步:生成访问密钥
- 在IAM用户详情页面,选择"安全凭证"标签
- 创建新的访问密钥
- 下载包含Access Key ID和Secret Access Key的CSV文件
第三步:转换SMTP密码
使用AWS官方提供的Python脚本进行密钥转换:
import hmac
import hashlib
import base64
import sys
def convert_secret_to_smtp(secret_key, region):
message = "SendRawEmail"
version = 2
signature = hmac.new(
key=("AWS4" + secret_key).encode("utf-8"),
msg=region.encode("utf-8"),
digestmod=hashlib.sha256,
).digest()
signature = hmac.new(
key=signature,
msg=message.encode("utf-8"),
digestmod=hashlib.sha256,
).digest()
signature_and_version = bytes([version]) + signature
smtp_password = base64.b64encode(signature_and_version)
return smtp_password.decode("utf-8")
if __name__ == "__main__":
secret_key = sys.argv[1]
region = sys.argv[2]
print(convert_secret_to_smtp(secret_key, region))
执行命令示例:
python smtp_convert.py YOUR_SECRET_ACCESS_KEY us-east-1
第四步:配置Listmonk
- 登录Listmonk管理后台
- 进入"设置"→"邮件服务器"
- 填写SMTP配置:
- 服务器地址:email-smtp.REGION.amazonaws.com
- 端口:587 (STARTTLS)或465 (SSL)
- 用户名:IAM访问密钥ID
- 密码:转换后的SMTP密码
常见问题排查
-
535 Authentication Credentials Invalid错误:
- 确认使用的是转换后的SMTP密码而非原始Secret Key
- 检查AWS区域是否匹配
- 验证IAM用户是否有SES权限
-
连接超时问题:
- 检查服务器安全组是否开放了SMTP端口
- 确认DNS解析正常
-
发送限制问题:
- 新注册的SES账户可能处于沙盒模式
- 需要申请提高发送限制
最佳实践建议
-
安全性建议:
- 为Listmonk创建专用的IAM用户
- 定期轮换访问密钥
- 限制IAM策略的最小权限
-
性能优化:
- 根据发送量选择合适的AWS区域
- 监控SES发送指标,适时调整配置
-
高可用性:
- 考虑配置多个SES端点
- 设置发送失败的重试机制
总结
通过本文的详细指导,您应该能够成功配置Listmonk与Amazon SES的集成。理解AWS SES特有的SMTP认证机制是关键,特别是密钥转换这一步骤。正确的配置不仅能解决认证问题,还能确保邮件发送的稳定性和安全性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217