Gloo Gateway中oneWayTls特性的实现与演进
在Kubernetes网关生态系统中,TLS配置一直是保障服务通信安全的核心要素。Gloo Gateway作为基于Kubernetes Gateway API实现的高级网关解决方案,近期在其1.18.3和1.19.0-beta1版本中引入了一个关键特性——oneWayTls支持,这为特定场景下的TLS配置提供了更灵活的解决方案。
背景与需求
在典型的TLS握手过程中,双向认证(mTLS)要求通信双方都提供证书并进行验证。然而,在某些场景下,特别是使用cert-manager等工具自动管理证书时,系统会自动注入CA证书(ca.crt),这可能导致网关意外启用双向认证。当用户实际只需要单向TLS认证时,这种自动行为反而会造成配置困扰。
cert-manager作为Kubernetes生态中广泛使用的证书管理工具,在自签名证书场景下会自动将CA证书注入生成的Secret资源中。虽然ACME颁发的证书较少出现这种情况,但对于自签名证书,用户目前没有官方方法可以禁用这一行为。
技术实现方案
Gloo Gateway团队经过深入讨论,最终选择通过Gateway API的扩展机制来实现这一特性。具体而言,他们在GatewayTlsConfig的options字段中添加了相关配置,这符合Gateway API官方文档中关于TLS扩展的建议规范。
实现过程中,开发团队特别关注了以下技术细节:
- 与现有Gloo Edge的SslConfig保持API一致性
- 确保与Kubernetes Gateway API规范的兼容性
- 提供清晰的验证逻辑,防止配置错误
- 保持配置的简洁性和易用性
使用场景与价值
这一特性的主要应用场景包括:
- 使用cert-manager管理自签名证书时,避免自动注入的CA证书导致意外启用双向认证
- 简化测试环境配置,当只需要基本TLS加密而不需要完整证书链验证时
- 与某些特定客户端兼容,这些客户端可能不支持或不适合使用双向认证
对于运维团队而言,这一特性显著简化了证书管理流程,不再需要手动修补Secret资源来移除ca.crt字段,降低了配置复杂度和出错概率。
实现细节与注意事项
在底层实现上,Gloo Gateway的监听器翻译器(gateway_listener_translator)被增强以处理oneWayTls标志。当该标志设置为true时,即使Secret中包含CA证书,系统也会忽略它,强制使用单向TLS认证。
需要注意的是,这一特性目前仅在Gloo Gateway(solo-io/gloo)中实现,尚未被上游的kgateway项目采纳。用户在跨平台部署时需要注意这一差异。
未来展望
随着这一特性的落地,Gloo Gateway在TLS配置灵活性方面又迈进了一步。未来可能会围绕以下方向继续演进:
- 更细粒度的TLS策略控制
- 与服务网格安全体系的深度集成
- 对新兴证书管理标准的支持
- 性能优化与安全加固
这一特性的实现不仅解决了具体的技术痛点,也展示了Gloo Gateway团队对用户需求的快速响应能力和技术创新精神,为构建更安全、更灵活的云原生API网关生态系统贡献了重要力量。
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