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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00