证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范

很多证书事故不是忘了续期,而是续期成功却部署失败。本文给出一套围绕签发、部署、校验、审计的证书运维规范,说明每条规则的适用边界和常见小坑,适合管理多个域名和边缘节点的团队参考。

本文目录
证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范

凌晨两点的告警内容往往不是"证书签发失败",而是"证书昨天就签好了,线上跑的还是旧的"。签和发是两件事,中间隔着部署这一步,事故大多发生在这里。下面这套规范就是围绕这个断点设计的。

规范一:续期窗口提前到有效期的一半,而不是最后几天

Let's Encrypt 证书有效期 90 天。常见做法是到期前 30 天续期,但更稳妥的做法是:证书年龄过半就尝试续签,失败则立即告警,而不是等到剩余天数见底。

证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范:DNS ownership verification using a delegated CNAME, shown as a precise handoff between two controlled zones
证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范:DNS ownership verification using a delegated CNAME, shown as a precise handoff between two controlled zones查看原图

理由很简单:续签失败的原因(DNS 配置漂移、ACME 账户限流、API 变更)需要时间排查。剩 30 天时失败一次你还有 29 天缓冲;剩 3 天时失败,你就是那个半夜翻文档的人。

适用边界:如果你用的是一年期的付费 OV/EV 证书,这条可以放宽到提前 60–90 天,因为人工流程(域名验证、组织审核)本身就要占位。但自动化程度越低,窗口越要提前,这个方向不变。

规范二:签发成功不算完成,部署回读才算

每条证书流水线必须以"从服务端口实际回读证书"作为结束条件,而不是以"文件写盘成功"或"API 返回 200"结束。回读校验至少包含:

证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范:an ACME request being validated at separate stations and turned into a new deployable artifact while private key material remains at its origin
证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范:an ACME request being validated at separate stations and turned into a new deployable artifact while private key material remains at its origin查看原图
  • 对端呈现的证书链里,叶子证书的 SAN 是否覆盖目标域名
  • 证书剩余有效期是否大于预期阈值(防止回读到了旧证书,常见于多节点部分更新)
  • 中间证书是否完整(缺中间链在桌面浏览器常常不报错,在部分 Android 旧设备和 Java 客户端上直接握手失败)

这条的边界:内部自签 CA 体系下回读逻辑相同,只是信任链检查要换成内部根。另外回读要做在 LB 或 CDN 之后的真实入口上,只查源站会漏掉边缘终止 TLS 的那一层。

规范三:部署必须有记录,能回答"谁、什么时候、把哪张证书推到了哪里"

证书部署属于变更,应当有和代码发布同等级别的记录:证书指纹、签发时间、目标节点、操作来源(自动任务还是人工)。出问题时,"线上现在跑的是哪张证书"应该是一条查询命令能回答的,而不是挨个 SSH 上去看文件时间戳。

证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范:a new certificate version moving from its source to several edge appliances while the previous working version remains ready for rollback
证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范:a new certificate version moving from its source to several edge appliances while the previous working version remains ready for rollback查看原图

在 CertbotX 中实践:CertbotX 的流水线把这几条规则落成了默认行为——通过 DNS-01 加 CNAME 委托完成域名验证,证书到期前自动重新签发,签发后自动推送到 Agent、EdgeOne 或 CDN,每次部署生成记录留作审计。需要回读确认时,部署记录里的目标和时间能直接对上线上状态,排查"签了新证书但边缘还在用旧证书"这类问题时不用猜。

规范四:通配符证书慎用,私钥分发面越小越好

通配符证书省事,但同一张证书(和同一个私钥)会被复制到所有承载该域名的节点,任何一台被拖走私钥,整个域的 TLS 都要吊销重来。能按服务拆清单域名证书就拆开,DNS-01 自动化之后,多签几张证书的边际成本很低。

适用边界:多租户 SaaS 这类域名数量不可枚举的场景(如 *.app.example.com 承载客户子域名),通配符仍是合理选择,但私钥只应存放在终止 TLS 的少数节点上,不要为了方便分发到应用服务器。

证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范:an approaching certificate expiry being detected early, followed by a fresh request and a safe replacement before the live connection is interrupted
证书到期前 30 天才告警已经晚了:一套能落地的证书续期与部署规范:an approaching certificate expiry being detected early, followed by a fresh request and a safe replacement before the live connection is interrupted查看原图

这套规范不适合谁

单域名、单服务器、跑一个 certbot cron 就够的场景,上完整的部署回读和审计是过度工程。规范的价值和管理面成正比:域名多、节点多、有 CDN 或边缘终止,每一条才都值得。反过来,如果团队已经有证书事故复盘记录,优先把复盘里的断点对应到上面四条,缺哪条补哪条,比整套照搬更省力。

---

← 返回资讯中心