Terraform AWS EKS 模块中 Karpenter 与 KMS 加密的最佳实践
2025-06-12 09:45:37作者:何将鹤
背景介绍
在使用 Terraform AWS EKS 模块部署 Kubernetes 集群时,Karpenter 作为自动节点伸缩工具被广泛采用。然而,当 AWS 账户默认启用 EBS 卷加密时,Karpenter 节点创建可能会遇到权限问题导致节点立即终止。
核心问题分析
在 AWS 环境中,当账户级别强制要求 EBS 卷加密时,Karpenter 创建的节点需要具备相应的 KMS 密钥使用权限。常见问题场景包括:
- 尝试复用 EKS 集群的 KMS 密钥(用于加密 Kubernetes secrets)来加密 EBS 卷时,由于默认策略不包含必要的 EBS 加密权限,导致节点创建失败
- 账户级别的默认 EBS 加密设置会覆盖 Karpenter 配置中指定的 KMS 密钥
- AMI 镜像使用的 KMS 密钥与节点创建时指定的密钥不一致,导致重新加密失败
解决方案
方案一:扩展 EKS 集群 KMS 密钥策略
如果决定复用 EKS 集群的 KMS 密钥,需要通过 kms_key_source_policy_documents 参数扩展密钥策略,添加 EBS 加密所需权限。关键点包括:
- 确保策略包含 Karpenter 节点角色使用密钥的权限
- 策略中需要明确指定 Principal(与 IAM 策略不同)
- 避免策略在后续 Terraform 执行中被覆盖
方案二:创建专用 KMS 密钥
更推荐的方案是为 Karpenter 创建专用 KMS 密钥:
resource "aws_kms_key" "karpenter_kms" {
description = "Karpenter EBS encryption key"
policy = data.aws_iam_policy_document.karpenter_kms_policy.json
}
resource "aws_kms_alias" "karpenter_kms" {
name = "alias/karpenter-ebs-key"
target_key_id = aws_kms_key.karpenter_kms.key_id
}
然后在 EC2NodeClass 中明确指定该密钥:
blockDeviceMappings:
- deviceName: /dev/xvda
ebs:
encrypted: true
kmsKeyID: ${aws_kms_key.karpenter_kms.key_id}
关键注意事项
- 账户级默认加密:检查账户是否启用了默认 EBS 加密,这可能会覆盖 Karpenter 配置
- AMI 加密密钥:确保 AMI 使用的 KMS 密钥与节点创建密钥一致,或确保 Karpenter 角色有权限使用 AMI 的加密密钥
- 策略权限:Karpenter 节点角色需要以下 KMS 权限:
- kms:Encrypt
- kms:Decrypt
- kms:ReEncrypt*
- kms:CreateGrant
- kms:DescribeKey
最佳实践建议
- 为 Karpenter 创建专用 KMS 密钥,与 EKS 集群密钥分离
- 明确禁用账户级默认 EBS 加密,或在 Karpenter 配置中强制指定密钥
- 定期审计 KMS 密钥策略,确保没有权限冲突
- 在测试环境验证节点创建流程,检查 CloudTrail 日志确认使用的密钥
通过以上方案,可以确保 Karpenter 在强制加密环境中稳定运行,同时满足安全合规要求。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1