Eclipse Che 7.89 版本中自签名证书导致VS Code扩展安装失败的解决方案
2025-05-31 20:13:52作者:范垣楠Rhoda
问题背景
在使用Eclipse Che 7.89版本时,当配置Che集群使用内置的Open VSX注册表实例后,用户可能会遇到无法安装VS Code扩展的问题。具体表现为在Che工作区中点击安装扩展时,会出现"unable to verify the first certificate"的错误提示。
根本原因分析
经过深入排查,发现该问题与自签名证书的配置有关。当使用自签名证书为Che域名配置HTTPS时,工作区容器未能正确获取完整的证书链,导致无法验证服务器证书的有效性。具体表现为:
- 工作区容器中缺少完整的CA证书链
- 内置的Open VSX注册表服务使用的证书验证失败
- 证书链中缺少中间证书和根证书
解决方案
第一步:验证证书问题
在工作区终端中执行以下命令验证证书链完整性:
openssl verify -verbose -CAfile /public-certs/custom-certificate.registry.crt /public-certs/custom-certificate.registry.crt
openssl s_client -connect your-che-domain.com:443 -showcerts
如果输出显示"unable to verify the first certificate"或"unable to get local issuer certificate",则确认是证书链不完整的问题。
第二步:准备完整的证书链
确保你的证书文件包含完整的证书链,包括:
- 服务器证书
- 中间证书
- 根证书
可以使用文本编辑器将所有这些证书按顺序合并到一个文件中。
第三步:创建ConfigMap
在Che命名空间中创建包含完整证书链的ConfigMap:
HOST=your-che-domain.com
NAMESPACE=$(kubectl get checluster -A -o "jsonpath={.items[0].metadata.namespace}")
CERTS=$(openssl s_client -showcerts -connect $HOST:443 < /dev/null | sed -ne '/-BEGIN CERTIFICATE-/,/-END CERTIFICATE-/p')
kubectl create configmap custom-certificate --from-literal registry.crt="${CERTS}" -n $NAMESPACE
kubectl label configmap custom-certificate app.kubernetes.io/component=ca-bundle app.kubernetes.io/part-of=che.eclipse.org -n $NAMESPACE
第四步:验证配置
- 确认工作区Pod中已挂载新的证书文件
- 检查证书文件路径:/public-certs/custom-certificate.registry.crt
- 使用curl测试证书有效性:
curl --cacert /public-certs/custom-certificate.registry.crt https://your-che-domain.com
技术原理
Eclipse Che的工作区容器需要能够验证主服务器的证书。当使用自签名证书时,必须确保:
- 完整的证书链被正确注入到工作区容器中
- 证书文件具有正确的权限和路径
- 证书链中包含所有必要的中间证书
Che Operator会自动将标记有特定标签(app.kubernetes.io/component=ca-bundle)的ConfigMap注入到所有工作区容器中,但前提是证书链必须完整。
最佳实践建议
- 始终使用包含完整证书链的证书文件
- 定期检查证书的有效期
- 在生产环境中考虑使用受信任的CA颁发的证书
- 在更新证书后,重建工作区以确保新证书生效
通过以上步骤,可以解决因自签名证书配置不当导致的VS Code扩展安装失败问题,确保开发者在Eclipse Che环境中能够顺利使用各种开发工具扩展。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C028
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
424
3.25 K
Ascend Extension for PyTorch
Python
231
263
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++
689
331
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869