Disko项目中使用/etc/crypttab实现LUKS分区延迟解密
在Linux系统中管理加密分区时,我们经常会遇到需要在不同阶段解锁不同加密分区的需求。本文将详细介绍如何在Disko项目中配置LUKS加密分区,实现根分区和/home分区的分阶段解密。
问题背景
在使用Disko配置系统时,用户遇到了一个常见问题:系统在启动时总是先尝试解密/home分区,即使/home分区的密钥文件存储在根分区上。这导致了一个先有鸡还是先有蛋的问题——系统需要先解密根分区才能获取/home分区的密钥文件,但却先尝试解密/home分区。
解决方案
Disko提供了灵活的配置选项来解决这个问题。关键在于利用luks.settings.bypassWorkqueue参数,结合手动管理/etc/crypttab文件。
配置核心要点
- 根分区配置:保持标准LUKS配置,在initrd阶段解密
- /home分区配置:
- 设置
bypassWorkqueue = true,避免在initrd阶段尝试解密 - 手动创建/etc/crypttab条目,在系统启动后阶段解密
- 设置
具体实现
对于根分区,使用标准Disko配置即可。对于/home分区,需要特殊处理:
{
disko.devices.disk.main = {
device = "/dev/nvme0n1";
type = "disk";
content = {
type = "gpt";
partitions = {
home = {
size = "100%";
content = {
type = "luks";
name = "home";
settings = {
bypassWorkqueue = true; # 关键配置
allowDiscards = true;
};
extraFormatArgs = [ "--uuid" "your-uuid-here" ];
content = {
type = "filesystem";
format = "ext4";
mountpoint = "/home";
};
};
};
};
};
};
}
同时,需要在NixOS配置中添加:
{
environment.etc."crypttab".text = ''
home /dev/disk/by-uuid/your-uuid-here /etc/secrets/home.key discard
'';
}
技术原理
-
bypassWorkqueue参数:这个参数告诉系统不要在initrd阶段排队等待解密该设备,而是推迟到系统启动后处理。
-
/etc/crypttab机制:这个文件是标准的Linux加密设备配置表,系统在启动过程中会读取它来解密指定的设备。通过在这里配置/home分区,我们可以确保它在根分区解密后才被处理。
-
密钥文件位置:密钥文件应该放在根文件系统的/etc/secrets/目录下,这样只有在根分区解密后才能访问到它。
实际应用建议
-
UUID管理:建议使用固定的UUID来标识加密分区,避免因设备顺序变化导致问题。
-
密钥文件安全:确保密钥文件权限设置为600,并且考虑使用sops-nix等工具进一步保护密钥文件。
-
测试验证:在正式部署前,建议在虚拟机中测试配置,确保解密顺序符合预期。
通过这种配置方式,我们实现了根分区在initrd阶段解密,而/home分区则在系统启动后阶段解密的流程,完美解决了依赖关系问题。这种方案不仅适用于/home分区,也可以推广到其他需要延迟解密的加密存储设备上。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust018
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00