Kiali项目增强:支持通过Secrets配置认证用户名和自定义仪表盘认证
在Kiali项目的最新更新中,团队实现了对认证用户名和自定义仪表盘认证信息通过Kubernetes Secrets进行配置的支持。这一改进显著提升了Kiali的安全性和灵活性,使管理员能够更好地管理敏感凭证。
背景与动机
在分布式系统监控领域,Kiali作为Istio服务网格的可视化工具,需要与多种后端服务(如Prometheus、Grafana和Tracing系统)进行交互。这些交互通常需要认证信息,包括用户名和密码等敏感数据。
过去版本中,Kiali已经支持将密码、令牌和签名密钥等敏感信息存储在Kubernetes Secrets中,但用户名仍需要明文配置在Kiali CR(Custom Resource)中。虽然用户名本身不如密码敏感,但对于安全要求严格的环境,任何形式的明文凭证都可能成为安全隐患。
新增功能特性
本次更新主要扩展了Kiali的Secret支持范围,新增了以下配置项:
-
外部服务认证用户名支持:
- Grafana认证用户名
- Prometheus认证用户名
- Tracing系统认证用户名
-
自定义仪表盘认证全面支持:
- Prometheus用户名
- Prometheus密码
- Prometheus令牌
这些新增功能使得Kiali的认证配置更加完整和安全,管理员现在可以将所有认证相关的敏感信息都存储在Kubernetes Secrets中,实现统一的凭证管理策略。
技术实现细节
在底层实现上,Kiali团队对配置解析逻辑进行了扩展,使其能够从指定的Secret中读取用户名等新增支持的字段。这一改动保持了与现有Secret集成机制的一致性,确保配置方式的统一和直观。
对于自定义仪表盘的Prometheus认证,现在支持完整的认证信息配置,包括:
- 基础认证(用户名+密码)
- Bearer令牌认证
- 自定义CA证书(通过现有机制)
安全最佳实践
随着这一功能的加入,我们建议Kiali管理员采用以下安全实践:
-
最小权限原则:确保用于存储认证信息的Secrets只对必要的服务账户开放访问权限。
-
定期轮换:建立定期轮换存储在Secrets中的凭证的流程,包括用户名(当用户名也作为认证因素时)。
-
审计跟踪:监控和记录对包含Kiali认证信息的Secrets的访问。
-
分层防御:结合Kubernetes RBAC、网络策略和其他安全机制,构建多层次的防护体系。
升级与兼容性
这一改进完全向后兼容。现有配置无需修改,新功能是可选的。管理员可以选择继续使用明文配置用户名,或者迁移到更安全的Secret存储方式。
对于希望升级到Secret存储的管理员,迁移过程简单直接:
- 创建包含用户名的Secret
- 更新Kiali CR引用该Secret
- 删除CR中的明文用户名
未来展望
Kiali团队持续关注安全领域的实践发展,未来可能会进一步扩展Secret支持的范围,包括:
- 更多外部服务的认证选项
- 动态凭证获取机制
- 与云原生Secret管理解决方案的深度集成
这一更新体现了Kiali项目对安全性的持续承诺,为服务网格可视化工具设立了更高的安全标准。通过将更多认证因素纳入Secret管理,Kiali为运行在敏感环境中的服务网格提供了更强的安全保障。
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。C097
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