Docker Buildx 远程TLS连接构建失败问题分析
2025-06-17 10:07:30作者:丁柯新Fawn
问题背景
在使用Docker Buildx进行远程构建时,当通过环境变量DOCKER_HOST、DOCKER_CERT_PATH和DOCKER_TLS_VERIFY配置TLS加密的TCP连接时,会出现构建失败的问题,错误信息为"Client sent an HTTP request to an HTTPS server"。而使用Docker上下文(Context)配置相同参数时则能正常工作。
问题重现
- 准备一个简单的compose.yaml文件
- 启动一个DinD(Docker in Docker)容器作为远程Docker服务器
- 创建指向DinD容器的Docker上下文
- 验证通过上下文构建能正常工作
- 验证通过环境变量配置时构建失败
技术分析
这个问题主要出现在以下场景:
- 使用环境变量而非Docker上下文配置远程连接
- 启用了Compose的Bake功能(COMPOSE_BAKE=true)
- 直接调用Buildx插件而非通过Docker CLI
根本原因在于Docker CLI插件机制在处理环境变量配置的TLS连接时存在缺陷。当插件直接运行时,未能正确继承主CLI的TLS配置逻辑,导致无法建立正确的HTTPS连接,而是错误地使用了HTTP协议。
影响范围
该问题影响:
- Docker版本28.0.4
- Docker Compose v2.34.0
- 使用环境变量配置TLS远程连接的场景
- 启用了Bake功能的Compose构建
解决方案
目前推荐的解决方案是:
- 优先使用Docker上下文而非环境变量配置远程连接
- 临时禁用COMPOSE_BAKE功能
- 等待官方修复此问题
技术细节
深入分析发现,Docker CLI插件在独立运行时,未能正确处理以下环境变量:
- DOCKER_HOST
- DOCKER_CERT_PATH
- DOCKER_TLS_VERIFY
这导致插件无法正确初始化TLS连接配置,从而回退到不安全的HTTP连接,与远程HTTPS服务器不兼容。而Docker上下文机制由于走的是不同的配置路径,能够正确传递TLS参数。
总结
这个问题揭示了Docker插件机制在环境变量处理上的一个边界情况。对于生产环境中的远程构建场景,建议采用更稳定的Docker上下文配置方式。开发团队已经确认此问题并开始着手修复,预计在后续版本中解决。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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