Canal项目MySQL 8.0认证插件caching_sha2_password问题解析
问题背景
在Canal项目1.1.8-alpha-3版本中,当连接MySQL 8.0.40数据库时,使用caching_sha2_password认证插件会出现连接失败的问题。这个问题源于MySQL 8.0默认使用caching_sha2_password作为认证插件,而早期版本使用的是mysql_native_password。
问题现象
当使用Canal连接MySQL 8.0时,会出现以下错误:
Error When doing Client Authentication:ErrorPacket [errorNumber=1045, fieldCount=-1, message=Access denied for user 'canal'@'172.224.0.1' (using password: YES), sqlState=28000, sqlStateMarker=#]
通过抓包分析发现,认证流程在caching_sha2_password插件处理阶段出现了问题,导致认证失败。
技术分析
MySQL认证机制演变
MySQL 8.0引入了新的默认认证插件caching_sha2_password,取代了之前的mysql_native_password。新插件提供了更安全的密码存储和传输机制,但需要客户端支持新的认证流程。
问题根源
通过代码回滚测试发现,在commit b8c2a757a02e89bb36966d4c4a4b4eef6d252cf0版本中,认证流程可以正常工作。问题出在后续的代码修改中,特别是SSL认证流程的改动影响了caching_sha2_password的正常处理。
关键差异点在于:
- 正确版本会进入AuthSwitchRequestPacket处理分支,打印插件名称
- 错误版本则跳过了这一关键步骤,导致认证流程不完整
解决方案
项目维护者在commit 5c61f2fb568af20db70a603b192634dd6d41eba3中修复了这个问题,主要调整了SSL认证的代码逻辑,确保caching_sha2_password的完整认证流程能够正确执行。
最佳实践
对于使用Canal连接MySQL 8.0的用户,建议:
- 使用最新版本的Canal,确保包含相关修复
- 如果必须使用旧版本,可以考虑回退到已知可用的commit
- 作为临时解决方案,可以在MySQL中创建用户时指定使用mysql_native_password插件:
CREATE USER canal IDENTIFIED WITH mysql_native_password BY 'canal';
总结
MySQL 8.0的安全改进带来了认证机制的变更,这对客户端实现提出了新的要求。Canal项目通过不断迭代完善了对新认证插件的支持,体现了开源项目对数据库技术演进的快速响应能力。开发者在集成类似中间件时,应当关注数据库版本与客户端兼容性,确保认证流程的完整性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00