Certd项目部署阿里云AckIngress证书问题分析与解决方案
问题背景
在使用Certd项目(版本V1.24.4)进行证书自动化管理时,用户尝试将申请到的SSL证书部署到阿里云AckIngress服务时遇到了"InvalidAction.NotFound"错误。Certd是一个开源的证书管理工具,支持多种证书颁发机构(CA)和部署目标,但在特定场景下与阿里云容器服务(ACK)的Ingress集成存在兼容性问题。
错误现象
当执行"部署到阿里云AckIngress"的自动化流程时,系统返回以下关键错误信息:
Error [InvalidAction.NotFoundError]: Specified api is not found, please check your url and method.
错误详情表明Certd尝试调用阿里云CS(容器服务)API时,请求的API端点不存在或不可用。从错误日志中可以观察到,Certd试图通过GET方法访问一个格式异常的URL,这显然不符合阿里云OpenAPI的规范。
根本原因分析
经过深入分析,我们发现问题的根源在于:
-
API兼容性问题:阿里云ACK服务没有提供直接操作Kubernetes保密字典(Secret)的OpenAPI接口,而Certd当前版本试图通过不存在的API端点来完成这一操作。
-
版本限制:V1.24.4版本的Certd在阿里云ACK集成方面功能不完善,缺乏对最新阿里云API的支持。
-
架构设计差异:阿里云ACK的Ingress证书管理通常通过kubectl命令行工具完成,而非直接通过阿里云OpenAPI。
临时解决方案
对于急需解决问题的用户,可以采用以下替代方案:
-
使用远程主机脚本命令:
- 在Certd流水线中添加"执行远程主机脚本命令"步骤
- 配置能够访问阿里云ACK集群的主机(可以是Certd所在服务器)
- 通过kubectl命令手动更新保密字典
-
分步操作流程:
- 第一步:使用Certd正常申请证书
- 第二步:将证书文件复制到本地目录
- 第三步:通过脚本使用kubectl更新ACK集群中的保密字典
注意事项
-
证书申请阶段选择:部分用户反馈使用"证书申请(lego)"后无法在下游步骤中选择证书,此时可尝试使用"证书申请(JS版)"作为替代方案。
-
运行策略设置:确保证书申请阶段的运行策略设置为"正常运行",否则可能导致下游步骤无法获取证书数据。
最新进展
根据项目维护者的信息,在Certd V1.25.4版本中已经修复了这一问题,建议用户升级到最新版本以获得完整的阿里云ACK Ingress证书部署功能。
最佳实践建议
对于仍在V1.24.4版本的用户,我们推荐以下操作流程:
- 确保证书申请成功
- 将证书文件保存到安全位置
- 编写包含以下内容的部署脚本:
#!/bin/bash kubectl create secret tls your-tls-secret \ --cert=/path/to/cert.pem \ --key=/path/to/key.pem \ -n your-namespace --dry-run=client -o yaml | kubectl apply -f - - 在Certd流水线中调用此脚本完成部署
这种方案虽然需要额外配置,但具有更好的可控性和灵活性,适用于生产环境。
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