MySQL2 客户端在 Deno 环境下的认证问题分析与解决方案
MySQL2 是一个流行的 Node.js MySQL 客户端库,提供了高性能的 MySQL 数据库连接能力。近期有开发者报告在使用 Deno 运行时环境中遇到了一个特殊的认证问题:在 MySQL 服务器重启后首次连接时会遭遇"Access Denied"错误,但通过命令行客户端登录一次后,应用就能正常连接。本文将深入分析这一问题的根源,并介绍最终的解决方案。
问题现象
开发者在使用 MySQL2 客户端库连接 MySQL 8.x 数据库时,观察到以下现象:
- 当 MySQL 服务器刚启动时,应用首次连接会失败,报错"Access denied for user"
- 通过命令行客户端(如 mysql CLI)使用相同凭据成功登录一次后
- 应用后续连接就能正常工作,直到服务器再次重启
这个问题仅在 Deno 环境下出现,在 Node.js 环境中则表现正常。
技术背景
MySQL 8.0 引入了新的默认认证插件 caching_sha2_password,取代了旧的 mysql_native_password。这种新的认证机制采用了更安全的 SHA-256 哈希算法,并引入了缓存机制来提高性能。
认证过程分为两种模式:
- 快速认证(FAST_AUTH):当客户端已被服务器"记住"时使用
- 完整认证(FULL_AUTH):首次连接时使用,涉及公钥加密交换
问题分析
通过调试日志,我们发现关键差异在于认证过程中服务器返回的数据包类型:
- 失败时:服务器返回
PERFORM_FULL_AUTHENTICATION_PACKET(0x04) - 成功时:服务器返回
FAST_AUTH_SUCCESS_PACKET(0x03)
深入分析发现,问题出在 Deno 和 Node.js 在 crypto.publicEncrypt() 方法的默认填充方式不同:
- Node.js 默认使用
RSA_PKCS1_OAEP_PADDING(4) - Deno 默认使用
RSA_PKCS1_PADDING(1)
这种差异导致 Deno 环境下生成的加密数据与服务器预期不符,从而认证失败。
解决方案
修复方案是在调用 publicEncrypt 时显式指定填充方式为 RSA_PKCS1_OAEP_PADDING:
return crypto.publicEncrypt({
key,
padding: crypto.constants.RSA_PKCS1_OAEP_PADDING
}, stage1);
这一修改确保了无论运行环境如何,都会使用与 MySQL 服务器兼容的加密填充方式。
实际应用
对于使用 MySQL2 库的 Deno 开发者,建议:
- 确保使用 MySQL2 v3.9.8 或更高版本
- 如果无法升级,可以手动指定认证插件配置:
const connection = mysql.createConnection({
// ...其他配置
authPlugins: {
caching_sha2_password: mysql.authPlugins.caching_sha2_password({
overrideIsSecure: true
})
}
});
总结
这个问题展示了不同 JavaScript 运行时环境在加密实现细节上的差异可能导致兼容性问题。MySQL2 库通过明确指定加密参数,确保了在各种环境下的稳定运行。对于开发者而言,理解底层认证机制有助于快速诊断和解决类似问题。
此问题的解决也提醒我们,在使用较新的数据库认证机制时,需要特别注意客户端库与运行环境的兼容性,特别是在非 Node.js 环境中。
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