证书有效期从一年压到200天,再到100天、47天,最先被打乱的往往不是证书本身,而是值班表。公开资料给出的时间表是:2026年3月15日起,TLS 证书最长有效期降到200天;2027年3月进一步降到100天;2029年3月降到47天(可参考这份时间表整理)。短周期把两个问题放大:一是证书没续上,二是续上了但没部署到实际服务。人工盯防通常只能覆盖第一个,第二个要靠外部探测。
先分清两种失效:没续上,和续了没生效
本地证书文件更新、Certbot 返回成功,不等于外部用户看到新证书。反向代理没热重载、负载均衡只更新了一台后端、边缘节点还挂着旧证书、DNS 或 SNI 指向了另一台机器,都会造成“文件是新的,服务是旧的”。更隐蔽的是多域名证书少了一个覆盖域名,到期时间看着正常,访问某个子域名却报错。
所以监控要分两层:第一层用 ACME 自动续期,负责把证书换掉;第二层用黑盒探测加资产台账兜底,负责确认外部实际握手拿到的证书,并保证没有域名和节点被漏掉。两层里少一层,短周期都会以另一种方式回到人工值班。
第一层:用 ACME 与 Certbot 把续期做成流水线
ACME 是 IETF 标准(RFC 8555),把证书签发、续期和吊销做成协议;Certbot 是常见客户端,和 Apache、Nginx 的集成比较成熟。ACME 客户端不只有 Certbot,acme.sh、LEGO 也常见,选择时看验证方式、部署钩子和团队维护习惯,不必为了换工具而换工具。
先把验证方式和部署路径定下来
反向代理场景先画清楚三件事:证书在哪台机器终止 TLS,私钥放在哪,哪些节点需要同一张证书。单机 Nginx 或 Apache 可以用 Certbot 的服务器集成;多节点或泛域名更适合 DNS 验证;不能改现有服务的场景可以用文件验证。不要在证书路径上留多个手工副本,否则续期后很容易只更新了其中一份。
续期成功之后,热重载才是生效点
把部署钩子挂在续期成功之后:确认新证书文件存在且可读,做一次反向代理配置检查,再热重载服务;任何一步失败都保留旧证书并发出告警。不要用重启代替热重载,也不要在续期失败时清空证书目录。多台反向代理时,部署钩子要覆盖所有节点,或者确认共享证书目录已经同步到每台机器。
定时任务要能留下证据
用系统定时任务或 Certbot 自带的定时器触发续期,具体时间按发行版和业务变更窗口设置。cron 的环境变量和交互式 shell 不同,脚本里显式设置 PATH,把标准输出和错误输出追加到日志,避免命令找不到却没有任何记录。续期任务和探测任务分开跑,不要让一个脚本既续期又告警。
上线前先做一次不真正签发的试运行,确认验证、写入、配置检查和热重载整条链路都能走通;再观察一轮真实续期日志。下面这些点没过,就不要把“自动续期”当成已经完成:
- 续期任务有足够权限读取私钥并重载服务
- 续期失败会保留旧证书,日志和告警能落到人
- 新证书写入后先做配置检查,再热重载
- 多节点都拿到了新证书
- 外部握手已经看到新的到期时间
第二层:黑盒探测加资产台账,兜住没生效的证书
黑盒探测从外部网络发起 TLS 握手,读取实际返回的证书,而不是读服务器上的文件。它回答的是用户看到什么,不是本机以为是什么。对反向代理和负载均衡场景,这一步尤其重要,因为证书更新和配置生效经常不是同一个动作。
探测要带 SNI,也要看覆盖域名
对台账里的每个域名和端口发起握手,带上正确的 SNI;读取到期时间、颁发者、覆盖域名和证书链。只看到期时间不够:多域名证书少了一个覆盖域名、证书链不完整、签成了另一张证书,都应该进入告警范围。探测点不要放在同一台反向代理上,至少从另一个网络位置发起,避免本地网络、hosts 或代理配置造成假阴性。只监控 HTTPS 状态码也不够,跳过证书校验的探测会把过期证书当成正常。
台账解决的是漏报,不只是记录
台账至少记录域名、端口、TLS 终止节点、证书路径、续期客户端、验证方式、部署节点、责任人和告警渠道。没有台账,黑盒探测只能覆盖你记得的域名;有了台账,才能把“期望的证书”和“实际握手拿到的证书”对上。
| 台账字段 | 用途 |
|---|---|
| 域名与端口 | 确定探测目标,非标准端口也要纳入 |
| TLS 终止节点 | 区分边缘节点、负载均衡和源站 |
| 期望覆盖域名 | 发现多域名证书漏配 |
| 续期客户端与验证方式 | 出问题时快速定位续期入口 |
| 部署节点与证书路径 | 发现只更新了一台机器或一份文件 |
| 责任人与告警渠道 | 避免告警发出后无人处理 |
告警分级与去重
告警至少分三类:续期任务失败、外部证书进入临近到期窗口、实际证书与台账不一致。第一类看 ACME 客户端日志,第二类看黑盒探测结果,第三类看台账比对。告警内容带上域名、目标 IP、实际到期时间、颁发者、上次续期成功时间、责任人和处理入口;同一域名持续异常要收敛,不要每次探测都重复轰炸。恢复通知也要发,否则值班人员不知道问题是否已经解除。
几个容易漏掉的场景
- 泛域名只覆盖一层,子域名没有单独进台账
- 负载均衡只更新了一个后端,其他节点还在用旧证书
- 边缘节点和源站各自管理证书,只监控了其中一边
- 非标准端口没有纳入握手探测
- 到期时间正常,但证书链不完整或覆盖域名不对
把两层接成一条值班流程
收到告警后不要直接重跑续期。先看台账确认这个域名应该由哪台机器、哪个客户端负责;再从外部握手确认实际证书;然后看 ACME 日志,判断是签发失败还是部署失败。签发失败查验证和 CA 通信,部署失败查权限、路径、配置检查和热重载;台账缺失就先补台账,再谈自动化。
定期做一次演练:拿一个非核心域名,确认告警能到人、处理入口可用、恢复通知能发出。演练不是为了制造故障,而是确认短周期下值班流程不会断。
证书周期缩短后,ACME 自动续期是必选项,但不是全部。Certbot 负责把证书换掉,部署钩子负责让服务用上新证书,黑盒探测负责确认外部真的看到了新证书,台账负责保证没有域名被漏掉。四件事缺一件,短周期都会以另一种方式回到人工值班表上。












