Cosmos-Server 使用 Let's Encrypt 通配符证书的注意事项
问题背景
在使用 Cosmos-Server 配置 HTTPS 证书时,许多用户会遇到从子域名证书迁移到通配符证书时出现的问题。特别是当尝试为多个域名配置通配符证书时,系统会报错:"Domain name is redundant with a wildcard domain in the same request"。
技术原理
Let's Encrypt 的证书签发机制有以下重要限制:
-
通配符证书的覆盖范围:一个
*.example.com的通配符证书已经包含了所有example.com的子域名,如plex.example.com、radarr.example.com等。如果同时请求通配符证书和具体的子域名证书,Let's Encrypt 会认为这是冗余请求。 -
多域名通配符限制:目前 Let's Encrypt 不允许在同一证书中包含多个通配符域名。例如,不能同时请求
*.example.com和*.other.com的通配符证书。
解决方案
单域名通配符配置
-
在 Cosmos-Server 的 Let's Encrypt 配置中:
- 启用通配符选项
- 在覆盖域名字段中只需填写
example.com,*.example.com - 不要包含任何具体的子域名
-
系统会自动识别代理设置中的所有子域名,并使用通配符证书覆盖它们。
多域名场景处理
如果需要为多个域名配置证书:
-
推荐方案:为每个域名单独配置通配符证书。Cosmos-Server 支持为不同域名配置独立的证书。
-
临时解决方案:
- 暂时将所有代理URL改为使用Cosmos根域名
- 完成证书续订
- 改回原有配置
-
高级方案:对于需要多个通配符证书的场景,目前可以通过以下方式实现:
- 使用外部工具(如Certbot)生成包含多个通配符的证书
- 将证书文件手动放置到
/var/lib/cosmos目录 - 在Cosmos-Server中引用这些证书
最佳实践建议
-
除非有特殊需求,否则不要使用"覆盖域名"选项,让Cosmos自动根据代理设置选择适当的域名。
-
规划域名结构时,尽量将服务集中在单一主域名下,减少多域名通配符的需求。
-
定期检查证书续订状态,确保没有因配置变更导致的续订失败。
-
对于复杂的多域名场景,考虑使用Cosmos-Server未来的更新版本,开发者表示将增加对多通配符证书的原生支持。
通过理解这些原理和解决方案,用户可以更有效地在Cosmos-Server中配置和管理HTTPS证书,确保服务的安全性和可用性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00