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!
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









