CVE-Search项目中的SystemD服务配置与数据库初始化实践
2025-07-01 03:00:48作者:邬祺芯Juliet
背景介绍
CVE-Search作为一个开源的漏洞数据库搜索工具,在生产环境中通常需要以服务形式运行。最新版本5.0.2中提供了SystemD服务配置示例,但许多用户在部署过程中会遇到服务启动失败的问题。本文将深入解析正确的配置方法。
SystemD服务配置要点
CVE-Search项目在_etc/systemd/system目录下提供了服务配置示例文件,但这些文件需要根据实际环境进行调整后才能正常使用。常见需要修改的配置项包括:
- 工作目录路径:默认配置中使用/opt/cve/cve-search作为工作目录
- 运行用户:示例配置假设使用cve用户运行服务
- 日志文件权限:运行用户需要对工作目录有写入权限
动态用户方案
对于更安全的部署方案,推荐使用SystemD的动态用户功能。这种方案不需要预先创建系统用户,而是由SystemD动态管理。典型配置如下:
[Service]
User=cvesearch
DynamicUser=yes
StateDirectory=cvesearch
Environment=HOME=/var/lib/cvesearch
SyslogIdentifier=cvesearch.db_updater
LogsDirectory=cve-search
实际部署步骤
- 将示例服务文件复制到系统目录:
sudo cp /opt/cve/cve-search/_etc/systemd/system/* /etc/systemd/system/
- 为需要NVD NIST API密钥的服务创建配置目录:
sudo mkdir /etc/systemd/system/cvesearch.db_init.service.d
sudo mkdir /etc/systemd/system/cvesearch.db_repopulate.service.d
sudo mkdir /etc/systemd/system/cvesearch.db_updater.service.d
- 添加API密钥配置:
echo -e "[Service]\nEnvironment=NVD_NIST_API_KEY=your-api-key" | sudo tee /etc/systemd/system/cvesearch.db_init.service.d/APIKEY.conf | sudo tee /etc/systemd/system/cvesearch.db_repopulate.service.d/APIKEY.conf | sudo tee /etc/systemd/system/cvesearch.db_updater.service.d/APIKEY.conf
- 重新加载SystemD配置:
sudo systemctl daemon-reload
数据库初始化注意事项
直接启动cvesearch.db_init.service会失败,因为该服务配置了RefuseManualStart=true。正确的做法是使用.target单元来管理服务依赖关系:
sudo systemctl start --no-block cvesearch.db_init.target
这种设计的原因是数据库初始化期间数据处于不确定状态,API可能返回错误结果。target单元会确保在初始化期间停止相关服务。
生产环境考量
在生产环境中使用UWSGI部署时,可能需要调整服务配置:
- 修改停止的服务为UWSGI而非简单的web服务
- 考虑添加服务依赖关系
- 配置适当的日志轮转策略
测试验证
在Ubuntu 22.04 LTS环境下,使用空MongoDB数据库进行测试验证:
- 确保所有Python依赖已安装
- 检查服务日志确认无错误
- 验证数据库是否已正确填充
总结
正确配置CVE-Search的SystemD服务需要注意工作目录、用户权限和API密钥等关键配置项。使用动态用户可以提高安全性,而通过target单元管理服务依赖则能确保数据库初始化的可靠性。生产部署时还需考虑与UWSGI等组件的集成。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
630
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
🎉 (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
1.57 K
910
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++
948
889
暂无简介
Dart
923
228
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
304
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
635
217
openGauss kernel ~ openGauss is an open source relational database management system
C++
183
260