一条能落地的证书续签规范:到期前 30 天动手,别等告警响

给证书运维定一条简单但可执行的规范:到期前 30 天完成自动续签、7 天内强制人工介入,并明确这条规范的适用边界——它管得住续签时机,管不住部署和验证,这两件事得另外立规矩。

本文目录
一条能落地的证书续签规范:到期前 30 天动手,别等告警响

半夜被"证书还有 2 小时过期"的告警叫醒过的人,大多不是不知道要续签,而是没人把"什么时候该动手"写成一条谁都能查的规则。这篇文章讲的就是这样一条规范,以及它管不到的地方。

规范本身

一句话版本:所有对外服务的 TLS 证书,必须在到期前 30 天完成续签;距到期不足 7 天仍未完成的,升级为人工作战处理,不再信任自动化结果。

为什么是 30 天。Let's Encrypt 签发的证书有效期 90 天,官方建议到期前 30 天左右续签,这样即使签发失败,还有充足时间重试和排查。ACME 协议本身支持续签,RFC 8555 里 renew 就是一次普通的 new-order,没有魔法。30 天这个数留出的是"自动重试失败 → 人工发现 → 修复 → 重新签发"的完整窗口。

为什么是 7 天这个硬线。7 天意味着常规的排查节奏(发现问题、约上相关人员、改动、验证)还来得及走完。压到 48 小时以内,任何一点意外——DNS 解析抖动、CA 侧限流、值班同事休假——都会变成事故。这条线的意义不是技术,是止损:承认自动化已经帮不上忙,把人叫进来。

配套的最低要求还有三条:

  • 续签必须有成功/失败记录,失败要有人能收到通知。静默失败是这类事故最常见的根因——定时任务跑了,错了,没人看日志。
  • 续签成功不等于部署成功。新证书写进文件后,nginx 这类服务需要 reload 才会加载,漏掉这一步的话,"证书明明续了为什么还报过期"会成为季度保留节目。
  • 每台机器、每个域名归谁管,要有归属。泛域名证书被五台机器各自续一份的混乱,比过期本身更难收拾。

这条规范的边界

一条能落地的证书续签规范:到期前 30 天动手,别等告警响:DNS ownership verification using a delegated CNAME, shown as a precise handoff between two controlled zones
一条能落地的证书续签规范:到期前 30 天动手,别等告警响:DNS ownership verification using a delegated CNAME, shown as a precise handoff between two controlled zones查看原图

它只管时机,管不了三件事:

  1. 签不签得下来。 30 天窗口再宽裕,DNS-01 的解析没配好、HTTP-01 的 80 端口被防火墙挡了,重试一百次也是失败。规范要求的是"失败要报警、要有人看",不是"一定能成"。
  2. 部署链路。 证书签出来后要推到负载均衡、CDN、边缘节点上。这条链路往往是多套系统拼接的,续签规范管不到"CDN 控制台里那张旧证书谁来换"。这得单独有部署规范。
  3. 客户端兼容性。 换证书链、换 CA 这种事(比如某些旧设备不认新根证书)不在续签规范范围内,那是变更管理的事。

把边界写清楚不是推卸,而是避免有人拿着这条规范说"我合规了",然后线上照样挂。规范的价值在于它明确说了什么,同样在于它明确没说什么。

在 CertbotX 中实践

这条规范落到工具里大致是这样:用 DNS-01 并把验证记录 CNAME 委托出去,避免在主域名区域里频繁改 TXT;签发和到期前重新签发交给 ACME 自动化跑,不要求人工记得日子。签完后自动部署到 Agent、EdgeOne 或 CDN,把"续了但没换上"这个经典坑从流程里删掉——部署动作和签发动作绑定在一起,而不是靠人接力。每次签发和部署都留记录,失败能查、能审计,这正好对应上面"失败必须可见"那条要求。7 天硬线仍然要靠监控告警实现,工具负责执行,人负责兜底。

落地时的两个小坑

  • 多环境共用一张证书的,续签时机以部署最慢的那一环为准。 如果推到某个 CDN 要人工审批,30 天窗口对它可能不够,得往前挪。
  • 别把"续签成功"的监控指标当成"服务正常"。 真正可靠的探针是从外部模拟握手,拿到线上实际呈现证书的剩余有效期。内部状态会撒谎,线上的证书不会。

---

← 返回资讯中心