Azure Pipelines Agent 连接Git仓库时SSL证书验证问题分析
2025-07-08 13:20:42作者:傅爽业Veleda
问题背景
在使用Azure Pipelines Agent(版本3.239.1及更高)时,部分Windows Server 2019环境中的构建任务会失败,报错显示无法连接到Git仓库。错误信息表明SSL/TLS握手过程中证书验证失败,具体错误代码为CRYPT_E_REVOCATION_OFFLINE (0x80092013)。
问题现象
构建任务执行时,Git操作会报以下错误:
fatal: unable to access 'https://server/collection/repo/_git/repo/':
schannel: next InitializeSecurityContext failed: Unknown error (0x80092013)
根本原因分析
经过深入排查,发现问题的根源在于:
-
证书吊销检查机制:新版本的Git(2.45.2及以上)默认启用了更严格的证书验证机制,包括在线证书吊销检查(OCSP)。当系统无法访问证书中指定的吊销服务器时,就会抛出0x80092013错误。
-
环境差异:旧版Git(如2.39.4)对证书验证的处理较为宽松,可能不会严格执行在线吊销检查,因此在相同环境下可以正常工作。
-
证书链问题:通过openssl工具验证发现,系统中缺少某些中间CA证书或根证书,导致完整的证书链验证失败。
解决方案
临时解决方案
-
使用旧版Git:通过设置环境变量
USE_GIT_2_39_4=true,强制Agent使用Git 2.39.4版本,该版本对证书验证要求较低。 -
禁用证书验证(不推荐用于生产环境):
- 配置Agent时添加
--sslskipcertvalidation参数 - 设置环境变量
agent.gituseschannel=true
- 配置Agent时添加
永久解决方案
-
更新系统证书存储:
- 确保所有中间CA证书和根证书已正确安装到Windows证书存储
- 可以通过MMC控制台中的"证书管理器"进行验证和安装
-
检查网络连接:
- 确认Agent服务器能够访问证书中指定的OCSP服务器
- 检查防火墙规则是否阻止了相关连接
-
更新证书配置:
- 如果使用的是自签名证书,确保证书包含完整的证书链
- 考虑使用受信任的公共CA颁发的证书
技术细节
当使用schannel(Windows的SSL/TLS实现)时,Git会执行以下验证步骤:
- 检查证书是否由受信任的根CA颁发
- 验证证书是否在有效期内
- 检查证书是否被吊销(通过CRL或OCSP)
- 验证主机名是否匹配
在问题环境中,第3步验证失败,因为系统无法连接吊销服务器。这可能是由于:
- 网络限制阻止了OCSP查询
- 证书中指定的OCSP服务器不可达
- 系统缺少必要的中间CA证书
最佳实践建议
- 定期更新证书:确保证书链完整且所有中间证书有效
- 网络配置检查:确保构建服务器能够访问必要的证书验证服务
- 版本升级测试:在升级Agent或Git版本前,在测试环境充分验证
- 监控证书有效期:建立机制监控证书到期时间,避免服务中断
通过以上分析和解决方案,可以有效地解决Azure Pipelines Agent在特定环境下连接Git仓库时的SSL证书验证问题。
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
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217