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。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









