Submariner项目中VXLAN与IPSec加密的流量分析
2025-06-30 21:18:46作者:范靓好Udolf
背景介绍
Submariner是一个开源的Kubernetes网络插件,专为跨集群通信设计。它支持多种底层网络传输机制,其中VXLAN和IPSec是两种常见的选项。在实际部署中,工程师们经常需要确认数据流是否按照预期配置进行传输,特别是加密特性的验证。
问题现象
在典型的3节点拓扑结构中(1个broker节点和2个gateway节点),当选择VXLAN作为cable driver时,技术文档明确说明应该看到未加密的流量。然而,通过tcpdump和Wireshark抓包分析,工程师观察到的却是经过IPSec加密的流量,这与预期不符。
技术分析
VXLAN在Submariner中的实现
Submariner使用UDP端口4500传输VXLAN流量。这个端口号与IPSec的默认端口相同,这是导致Wireshark误判的根本原因。Wireshark默认将4500端口的UDP流量识别为IPSec流量,而实际上这是纯VXLAN流量。
解决方案
要让Wireshark正确识别VXLAN流量,需要修改其解码配置:
- 在Wireshark中手动指定UDP 4500端口为VXLAN流量
- 更新协议解码偏好设置,覆盖默认的IPSec识别规则
这一调整后,工程师可以准确观察到未加密的VXLAN流量,验证Submariner配置的正确性。
最佳实践建议
- 协议分析工具配置:在使用网络分析工具时,应当了解其默认解码规则,必要时进行手动调整
- 端口规划:虽然Submariner固定使用4500端口,但在其他场景中可以考虑使用不同端口避免混淆
- 验证流程:部署后应当通过多种工具交叉验证网络特性,确保与设计一致
- 文档参考:仔细阅读Submariner官方文档中关于各cable driver的技术细节
总结
这个案例展示了网络工具默认行为可能导致的误解,以及如何通过深入理解协议实现和技术配置来解决这类问题。对于使用Submariner的工程师来说,掌握这些细节有助于更准确地验证和诊断跨集群网络连接。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
331
暂无简介
Dart
686
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869