Eclipse Che中TLS边缘终止支持HTTP端点暴露的问题分析
问题背景
在Eclipse Che 7.89版本中,当开发者配置HTTP服务端点并启用TLS安全连接时,遇到了端点无法通过UI正常访问的问题。具体表现为:虽然OpenShift路由被正确创建且能通过控制台直接访问,但通过Che的VSCode界面端点部分访问时却返回404错误。
问题现象
开发者配置的端点示例如下:
- exposure: public
targetPort: 5050
name: web
protocol: http
secure: true
attributes:
discoverable: true
这种情况下:
- 路由URL被正确生成
- 通过OpenShift控制台直接访问路由URL可以正常工作
- 通过Che UI端点部分访问时出现404错误
- 尝试添加urlRewriteSupported属性会导致路由创建失败
技术分析
经过深入调查,发现问题根源在于Che Router的路由服务关联逻辑存在缺陷。具体表现为:
-
服务关联错误:Che Router将所有路由/入口(ingress)都关联到了工作区的通用服务(common service)上,而没有检查特定路由是否应该关联到端点专属服务。
-
discoverable属性的影响:当端点上设置了discoverable属性时,系统会为该端点创建专属服务,这个服务本应关联到对应端点的路由/入口,但当前逻辑没有正确处理这种关联关系。
-
路由类差异:当使用DevWorkspace Operator的"basic"路由类时,问题不会出现,这进一步验证了问题与Che Router特定实现相关。
解决方案
修复方案的核心是修改Che Router的服务关联逻辑:
-
端点服务检查:在处理路由/入口时,首先检查端点是否配置了discoverable属性。
-
正确服务关联:对于配置了discoverable属性的端点,将其路由/入口关联到专属服务而非通用服务。
-
向后兼容:保持对未配置discoverable属性端点的现有处理逻辑不变。
技术实现细节
在Che Router的代码实现中,主要修改点包括:
-
服务选择逻辑:在创建路由时,根据端点属性选择合适的服务进行关联。
-
路由规则生成:确保生成的边缘终止TLS配置与后端服务正确匹配。
-
路径处理:正确处理URL重写规则,避免因路径处理不当导致的404错误。
影响范围
该问题影响所有使用以下配置组合的场景:
- 使用HTTP协议端点
- 启用了TLS安全连接(secure: true)
- 设置了discoverable属性
- 使用Che默认路由类(非basic路由类)
验证方法
开发者可以通过以下步骤验证问题是否修复:
-
创建一个包含HTTP端点的工作区,端点配置secure: true和discoverable: true属性。
-
通过Che UI端点部分访问服务。
-
确认可以正常访问而不再出现404错误。
-
同时验证通过OpenShift控制台直接访问路由URL仍然正常工作。
总结
这个问题揭示了Che Router在处理TLS边缘终止和HTTP端点暴露时的服务关联逻辑缺陷。通过修正服务关联策略,确保了discoverable端点能够正确暴露并通过UI访问。这一修复不仅解决了当前的404错误问题,也为未来类似功能的扩展奠定了更健壮的基础。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00