Confluent Schema Registry 中配置 JAAS 认证文件的正确方式
在使用 Confluent Schema Registry 时,很多开发者会遇到如何正确配置 JAAS 认证文件的问题。本文将详细介绍在 Docker 环境中为 Schema Registry 配置 JAAS 认证的最佳实践。
常见配置误区
许多开发者会尝试使用 KAFKA_OPTS 或 SCHEMA_REGISTRY_KAFKA_OPTS 环境变量来指定 JAAS 配置文件路径,这是不正确的。Schema Registry 有自己特定的 JVM 参数配置方式。
正确的配置方式
在 Schema Registry 容器中,应该使用 SCHEMA_REGISTRY_OPTS 环境变量来传递 JVM 参数。这个变量专门用于 Schema Registry 服务的 JVM 配置。
正确的配置示例如下:
environment:
SCHEMA_REGISTRY_OPTS: '-Djava.security.auth.login.config=/opt/kafka/config/server-jaas.conf'
为什么这样配置?
Schema Registry 是基于 Java 开发的独立服务,它有自己的启动脚本 schema-registry-run-class。这个脚本专门处理以 SCHEMA_REGISTRY_OPTS 开头的 JVM 参数,而不会处理通用的 KAFKA_OPTS。
替代方案
除了使用 SCHEMA_REGISTRY_OPTS 外,还可以考虑使用 JAVA_TOOL_OPTIONS。这是一个被大多数 JVM 实现支持的通用环境变量,可以用来传递 JVM 参数:
environment:
JAVA_TOOL_OPTIONS: '-Djava.security.auth.login.config=/opt/kafka/config/server-jaas.conf'
完整配置示例
以下是一个完整的 Docker Compose 配置示例,展示了如何为 Schema Registry 正确配置 JAAS 认证:
schema-registry:
image: confluentinc/cp-schema-registry:7.7.0
environment:
SCHEMA_REGISTRY_HOST_NAME: schema-registry
SCHEMA_REGISTRY_KAFKASTORE_BOOTSTRAP_SERVERS: 'broker:29092'
SCHEMA_REGISTRY_LISTENERS: http://0.0.0.0:8081
SCHEMA_REGISTRY_OPTS: '-Djava.security.auth.login.config=/opt/kafka/config/server-jaas.conf'
volumes:
- /opt/kafka/config/server-jaas.conf:/opt/kafka/config/server-jaas.conf
总结
在配置 Confluent Schema Registry 的 JAAS 认证时,务必使用 SCHEMA_REGISTRY_OPTS 环境变量来指定 JAAS 配置文件路径。这是 Schema Registry 服务专门设计的配置方式,能够确保 JVM 参数被正确识别和应用。理解这一点可以帮助开发者避免常见的配置错误,确保 Kafka 生态系统中各组件能够安全地协同工作。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00