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。
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