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!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00