探索与实现:Confectionery,Terraform配置的守护者

在DevOps的世界里,确保基础设施即代码(IAC)的安全性是至关重要的。Confectionery,这个名字听起来甜美的开源项目,实际上是Cigna公司为Terraform配置文件创建的一套规则库。它与Conftest工具结合使用,能帮助你提前发现并解决可能存在的配置错误和潜在风险。
什么是Confectionery?
Confectionery是一个针对Conftest的规则集合,专注于检测Terraform计划中的不合规配置。通过利用Regula库解析Terraform计划,它能在开发周期早期就提供反馈,防止不符合治理标准的配置进入生产环境。例如,你可以设置规则确保所有部署的服务都在预定义的白名单中。
开始使用Confectionery
首先,你需要安装Conftest。然后,生成Terraform计划并将其转换为JSON格式:
terraform init
terraform plan -out tf-plan.binary
terraform show -json tf-plan.binary > tf-plan.json
接下来,使用以下命令运行Conftest测试,并更新Confectionery规则:
conftest test --update "git::https://github.com/cigna/confectionery.git//rules/terraform?ref=<tagged-version>" tf-plan.json
你可以通过指定-p选项来调整规则存储路径,以方便缓存。
利用例外情况处理特殊情况
如果需要临时禁用某个规则,或者存在无法避免的误报,可以使用例外机制。Confectionery遵循了Regula的例外配置方式,详细信息可在Regula文档中找到。
创建自定义规则
对Conftery感兴趣的开发者可以通过阅读rules概述开始创建自己的规则。同时,项目的测试页面提供了如何编写Conftest规则的指导。
一同参与贡献
如果你有新的想法或改进意见,欢迎按照贡献指南参与到Confectionery的开发中来。只需几个简单步骤,你的贡献就能被这个项目接纳!
贡献者致谢
Confectionery最初由Cigna公司的多位优秀开发者共同发起,他们是:安东尼·巴比里、科瑞·桑森、卢克·纽曼、克里斯蒂·坎哈、杰森·韦、马修·布拉德利、奥默·法鲁克、尼基娅·比尔、提姆othy·戈雷茨基、加文兰·斯坦曼、加布里埃尔·亨普尔、提姆othy·莫里斯和盖文·斯泰因曼。
Confectionery以其强大的规则检测功能,为Terraform配置带来了更严谨的安全保障。无论你是个人开发者还是企业团队,都能从中受益,打造更加安全可靠的基础设施。现在,就加入Confectionery的使用者行列,让安全始于代码吧!
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00