AWS SAM中IntrinsicVpceWhitelist策略的注意事项
在使用AWS Serverless Application Model(SAM)创建私有API网关时,开发者可能会遇到一个常见问题:当尝试通过IntrinsicVpceWhitelist设置VPC终端节点白名单时,策略未能正确应用到API网关资源上。本文将深入分析这一现象的原因及解决方案。
问题现象分析
当开发者使用以下SAM模板创建私有API网关时:
Resources:
PrivateAPI:
Type: AWS::Serverless::Api
Properties:
EndpointConfiguration: PRIVATE
Auth:
ResourcePolicy:
IntrinsicVpceWhitelist:
- vpce-xxxxxxxx
部署过程中可能会收到错误提示:"Private REST API doesn't have a resource policy attached to it"。这表明虽然开发者在模板中指定了资源策略,但实际部署时该策略并未被正确应用。
根本原因
经过深入分析,发现这一问题的根本原因在于:
-
API网关资源策略的生成机制:SAM仅在API网关包含实际方法(如GET、POST等)时才会生成完整的资源策略。如果API网关没有任何关联的方法,即使模板中指定了IntrinsicVpceWhitelist,SAM也不会生成相应的资源策略。
-
API网关的验证机制:AWS API Gateway服务要求私有API必须关联有效的资源策略,否则会拒绝创建部署资源(AWS::ApiGateway::Deployment)。
解决方案
要解决这一问题,开发者需要确保:
-
API网关包含至少一个方法:可以通过关联一个Lambda函数或其他集成方式来添加方法。
-
完整示例模板:
Resources:
PrivateAPI:
Type: AWS::Serverless::Api
Properties:
Name: private-api-example
EndpointConfiguration: PRIVATE
Auth:
ResourcePolicy:
IntrinsicVpceWhitelist:
- vpce-xxxxxxxx
MethodSettings:
- HttpMethod: "*"
ResourcePath: "/*"
ExampleFunction:
Type: AWS::Serverless::Function
Properties:
Events:
ApiEvent:
Type: Api
Properties:
Path: /example
Method: GET
RestApiId: !Ref PrivateAPI
Runtime: python3.12
Handler: index.handler
InlineCode: |
def handler(event, context):
return {'body': 'Hello World!', 'statusCode': 200}
技术细节解析
当API网关关联了方法后,SAM会在转换过程中生成完整的Swagger定义,其中包含:
-
x-amazon-apigateway-policy:这是API网关资源策略的Swagger扩展字段,包含两条关键语句:
- 允许所有主体调用API的权限声明
- 限制仅特定VPC终端节点可以访问的拒绝声明
-
方法集成定义:包含Lambda集成的配置信息
-
完整的路径定义:包含所有已定义的方法和路径
最佳实践建议
-
始终为私有API网关定义至少一个方法:即使只是用于测试的简单方法。
-
验证资源策略:部署后通过AWS控制台或CLI验证资源策略是否已正确应用。
-
使用最小权限原则:在IntrinsicVpceWhitelist中仅包含必要的VPC终端节点ID。
-
考虑使用Stage变量:对于多环境部署,可以使用Stage变量使模板更具灵活性。
通过理解这些技术细节和遵循最佳实践,开发者可以更有效地使用SAM模板创建安全的私有API网关,确保VPC终端节点访问控制按预期工作。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01