Apache APISIX 证书上传问题分析与解决方案
问题背景
在使用 Apache APISIX 及其 Dashboard 组件时,用户通过 Dashboard 界面上传 SSL 证书后,APISIX Pod 会出现错误日志,提示"additional properties forbidden, found validity_end"等验证错误。这个问题主要发生在 APISIX 3.9.x 版本与 Dashboard 3.0.0 版本的组合使用场景中。
问题现象
当用户通过 APISIX Dashboard 上传 SSL 证书后,系统会在 etcd 中存储包含以下字段的证书数据:
- validity_start
- validity_end
这些额外的字段会导致 APISIX 服务在启动或重新加载配置时报错,错误信息表明 etcd 中存储的数据包含了不被允许的额外属性。
根本原因
经过分析,这个问题是由于 APISIX Dashboard 与 APISIX 核心组件之间的版本兼容性问题导致的。具体表现为:
- APISIX Dashboard 3.0.0 版本在上传证书时,会自动添加证书的有效期信息(validity_start 和 validity_end)
- 这些字段不被 APISIX 3.9.x 版本的证书模式验证所接受
- 当 APISIX 从 etcd 加载这些配置时,会触发模式验证错误
临时解决方案
对于急需解决问题的用户,可以采用以下临时方案:
方案一:使用 APISIX Admin API 直接上传证书
通过 APISIX 的管理 API 直接上传证书可以避免这个问题,因为 API 不会添加额外的有效期字段。
示例命令:
CERT=$(awk 'NF {sub(/\r/, ""); printf "%s\\n",$0;}' your_domain.pem)
KEY=$(awk 'NF {sub(/\r/, ""); printf "%s\\n",$0;}' your_domain.key)
curl http://{APISIX_ADMIN_ADDRESS}:9180/apisix/admin/ssls -X POST -d '{
"cert": "'"$CERT"'",
"key": "'"$KEY"'",
"snis": ["your.domain"]
}' -H 'X-API-KEY: {your_api_key}'
方案二:手动清理 etcd 中的无效字段
对于已经通过 Dashboard 上传的证书,可以手动编辑 etcd 中的数据,删除 validity_start 和 validity_end 字段。
长期解决方案
开发团队已经在 APISIX Dashboard 的主分支中修复了这个问题。用户可以通过以下方式获取修复后的版本:
- 从源码构建 Dashboard:
git clone https://github.com/apache/apisix-docker.git
cd apisix-docker/dashboard
docker build -f Dockerfile.alpine --build-arg APISIX_DASHBOARD_TAG=master -t apisix-dashboard:master .
- 等待官方发布包含此修复的稳定版本
最佳实践建议
- 在生产环境中,建议先测试证书上传功能
- 保持 APISIX 核心组件和 Dashboard 的版本同步更新
- 对于关键业务,考虑使用 API 而非 Dashboard 进行证书管理
- 定期检查 APISIX 日志,及时发现类似配置问题
总结
证书上传问题是 APISIX 生态系统中组件版本不匹配导致的典型问题。通过理解问题的根本原因,用户可以采取适当的临时解决方案,同时等待官方修复。这也提醒我们在使用开源组件时,需要关注各组件版本间的兼容性,特别是在进行升级时,应该全面测试各项功能。
随着 APISIX 项目的持续发展,开发团队正在努力改进 Dashboard 与新版本 APISIX 的兼容性,未来版本将提供更稳定、更一致的用户体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07