OpenVAS-Scanner 项目中的根路径访问问题分析
问题背景
在部署OpenVAS-Scanner的Helm图表时,用户发现访问根路径("/")时返回404错误。这个问题出现在v23.3.1版本的Helm图表部署中,用户期望根路径能够正常响应,但实际行为却显示"Unknown path"的跟踪日志。
技术解析
OpenVAS-Scanner的API设计遵循了特定的规范,其RESTful接口并没有为根路径("/")定义GET方法。从技术实现来看,这是有意为之的设计选择:
-
API设计原则:OpenVAS-Scanner的API严格遵循REST规范,每个端点都有明确定义的功能。根路径未被赋予特定功能,因此返回404是符合HTTP规范的合理行为。
-
HEAD方法支持:虽然GET方法在根路径不可用,但系统支持HEAD方法调用根路径。这种设计允许客户端获取关于feed和API版本的信息,而不需要完整的响应体。
-
日志分析:从日志可见,请求确实到达了Pod,但被控制器明确识别为"Unknown path",这表明路由配置正确,只是该路径未被定义。
解决方案与建议
对于期望通过根路径访问的用户,有以下建议:
-
使用HEAD方法:如果需要获取系统信息,应使用HEAD方法而非GET方法访问根路径。
-
明确API端点:所有功能调用都应使用文档中明确定义的API端点,而非依赖根路径。
-
完整部署方案:值得注意的是,当前Helm图表仅包含Scanner API部分,不包含漏洞管理组件(GSA、GVMD等)。如需完整功能,需要考虑其他部署方式。
架构思考
这一设计反映了现代API开发的几个重要理念:
-
明确性优于便利性:不提供"万能"的根路径端点,强制开发者使用明确定义的接口。
-
资源导向设计:每个端点对应特定资源,避免模糊的根路径处理。
-
轻量级探测:通过HEAD方法支持系统信息获取,减少不必要的数据传输。
对于Kubernetes环境下的部署,用户可以考虑完整的Greenbone社区版解决方案,而非仅依赖Scanner API组件。这种模块化设计允许用户根据实际需求选择部署范围,既提供了灵活性,也确保了各组件可以独立演进。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00