Rook项目中的CephObjectStore支持RGW密钥配置管理
在Ceph分布式存储系统中,RGW(RADOS Gateway)作为对象存储网关,提供了与S3和Swift兼容的API接口。在实际生产环境中,RGW经常需要与第三方系统集成,如Keystone身份认证服务或Barbican密钥管理服务,这些集成往往需要配置敏感信息如密码或密钥。
Rook项目作为Kubernetes上运行Ceph的编排器,通过CephObjectStore自定义资源(CRD)来管理RGW实例。最新版本中,Rook团队为CephObjectStore添加了对RGW配置参数的支持,允许用户通过CRD直接配置RGW的各种参数。然而,对于敏感配置项如rgw_keystone_barbican_password,直接以明文形式存储在CRD中并不安全。
技术实现方案
Rook团队经过讨论后确定了以下实现方案:
-
配置存储方式:敏感配置将通过Kubernetes Secret资源存储,而不是直接写在CRD中。这符合Kubernetes管理敏感信息的最佳实践。
-
配置传递机制:敏感配置会被写入Ceph的monitor数据库,而不是通过环境变量或命令行参数传递给RGW容器。这种方式避免了敏感信息在容器运行时暴露的风险。
-
配置清除机制:当需要移除某个敏感配置时,用户可以通过显式地将该配置值设为空字符串("")来实现。
配置示例
以下是一个使用Secret存储RGW敏感配置的示例:
apiVersion: ceph.rook.io/v1
kind: CephObjectStore
metadata:
name: my-store
spec:
gateway:
rgwConfig:
debug_rgw: "10"
rgwCommandFlags:
rgw_dmclock_auth_res: "100.0"
rgwConfigFromSecret:
rgw_keystone_barbican_password:
secretName: barbican-secret
secretKey: password
在这个示例中:
rgw_keystone_barbican_password配置项的值将从名为barbican-secret的Kubernetes Secret中获取- 具体值来自Secret中的
password键
安全考虑
这种实现方式具有以下安全优势:
-
敏感信息隔离:敏感配置与普通配置分离,存储在专门的Secret资源中。
-
访问控制:可以利用Kubernetes的RBAC机制严格控制谁可以访问这些Secret。
-
审计追踪:Secret资源的访问和修改可以被审计。
-
加密支持:Secret可以使用Kubernetes的加密机制进行静态加密。
使用建议
对于需要与外部系统集成的RGW部署,建议:
-
为每个集成点创建独立的Secret资源
-
定期轮换Secret中的敏感信息
-
使用Kubernetes的命名空间来隔离不同环境的Secret
-
结合Vault等外部密钥管理系统实现更高级的密钥管理
这一功能的加入使得Rook在Kubernetes上管理Ceph对象存储时更加安全可靠,特别是对于需要与外部认证和密钥管理系统集成的企业级部署场景。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-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。00