Argo-CD Helm Chart 中多域名 TLS 配置问题分析与解决方案
2025-07-06 14:55:50作者:昌雅子Ethen
问题背景
在使用 Argo-CD Helm Chart 7.0.0 版本部署时,用户尝试为应用配置多个域名访问,并通过 Ingress 实现 TLS 加密。具体配置是通过 server.ingress.extraHosts 和 server.ingress.extraTls 参数添加第二个域名及其对应的证书。
问题现象
当用户按照官方文档添加第二个域名的配置后,发现 Ingress 控制器并未正确使用指定的证书。通过检查生成的 Ingress 资源,发现 TLS 配置部分存在异常:
- 第一个 TLS 条目包含了所有域名(包括新增的 domain2),但使用了默认的 argocd-server-tls 证书
- 第二个 TLS 条目虽然正确指定了 domain2 和对应的证书,但被控制器忽略
根本原因
深入分析 Helm 模板文件发现,问题出在模板中对 TLS 配置的硬编码处理:
- 主域名和额外域名被合并到同一个 TLS 条目中
- 该条目强制使用了 argocd-server-tls 作为证书名称
- Ingress 控制器在验证证书时会优先检查第一个匹配的 TLS 条目
这种设计导致当新增域名的证书与默认证书不同时,控制器无法正确识别和使用指定的证书。
解决方案
临时解决方案
手动修改生成的 Ingress 资源,从第一个 TLS 条目中移除新增的域名,确保每个域名只出现在其对应的 TLS 条目中。
长期解决方案
建议修改 Helm Chart 的模板逻辑:
- 将主域名和额外域名的 TLS 配置完全分离
- 避免将额外域名自动添加到主域名的 TLS 配置中
- 确保每个域名的证书配置保持独立
最佳实践
对于需要配置多域名 TLS 的场景,建议:
- 为每个域名创建独立的证书 Secret
- 在 values.yaml 中明确指定每个域名对应的证书
- 部署后验证每个域名的证书是否正确加载
- 考虑使用通配符证书简化多域名管理
总结
Argo-CD Helm Chart 当前版本在多域名 TLS 配置上存在设计缺陷,导致额外域名的证书无法正确应用。用户可以通过手动修改生成的资源暂时解决问题,但长期来看需要等待官方修复模板逻辑。对于生产环境,建议仔细测试多域名配置,确保安全访问机制正常工作。
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878