Submariner项目中VXLAN与IPSec加密的流量分析
2025-06-30 15:30:16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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
项目优选
收起
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100