Wazuh 多组件命令分发架构重构解析
2025-05-19 14:24:02作者:廉彬冶Miranda
背景与需求
在现代安全运维系统中,命令分发机制是实现集中管控的核心功能。Wazuh作为一款开源的安全监控平台,其原有的命令分发系统主要服务于通信API(Communications API),但随着系统功能扩展,需要将命令分发能力扩展到管理API(Management API)等其他组件。
原有架构分析
Wazuh原有的命令分发流程采用"推送-订阅"模式:
-
服务器端:
- 后台任务每10秒从索引器获取待处理命令
- 通过Unix域套接字将代理命令推送到通信API
- 命令存储在CommandsManager类中,管理命令和代理订阅关系
- 更新命令状态为"已发送"
-
通信API端:
- 代理通过GET /commands端点订阅命令
- CommandsManager在有命令到达或超时时返回响应
- 命令返回后立即移除订阅
这种设计存在明显的扩展性问题,无法满足多组件协同工作的需求。
架构重构方案
Unix服务器重构
-
线程化设计:
- Unix服务器运行在独立线程中
- 将CommandsManager作为状态存储
- 支持自定义套接字路径
-
端点灵活性:
- 不限制客户端定义自己的端点
- 保持轻量级服务特性
命令管理器重构
-
进程安全设计:
- 使用SyncManager等工具实现多进程安全
- 原子化操作命令和订阅数据
-
功能增强:
- 统一管理命令存储和订阅机制
- 支持多种订阅模式
-
集成方案:
- 存储在API应用上下文或全局变量中
- 确保各端点和服务线程都能访问
技术实现要点
-
跨进程通信:
- 采用Unix域套接字实现高效IPC
- 优化数据传输协议
-
状态管理:
- 设计线程安全的订阅机制
- 实现命令生命周期管理
-
错误处理:
- 增强连接异常处理
- 完善超时机制
架构优势
重构后的系统具有以下优势:
-
组件解耦:
- 各组件可独立部署和扩展
- 降低系统耦合度
-
扩展性强:
- 轻松支持新组件接入
- 便于功能扩展
-
性能优化:
- 减少不必要的数据复制
- 提高命令分发效率
实际应用效果
在实际部署中,该架构已成功实现:
- 管理API的命令接收能力
- 多组件并行命令处理
- 稳定的高并发性能
未来展望
该架构为Wazuh系统的分布式扩展奠定了基础,未来可支持:
- 更多组件接入
- 细粒度权限控制
- 跨节点命令分发
- 更复杂的命令编排
通过这次重构,Wazuh系统的命令分发能力得到了质的提升,为构建更强大的安全运维平台提供了坚实的技术基础。
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
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137