4. Rekor 部署模式：单节点部署、高可用集群部署、与 Kubernetes 集成

Rekor 作为 Sigstore 生态中的透明日志组件，其部署模式直接影响镜像供应链的冷启动速度与削峰能力。根据生产环境的可靠性要求与资源配额限制，Rekor 支持三种主流部署模式：单节点部署用于开发测试与低负载场景，高可用集群部署用于生产环境保障日志写入与查询的连续性，Kubernetes 集成部署则利用容器编排能力实现弹性伸缩与资源配额管理。

4.1 单节点部署

单节点部署是 Rekor 最简洁的启动方式，适用于本地开发、功能验证或日志量较小的内部环境。该模式下所有组件（API Server、Trillian Log Server、MySQL/SQLite 后端）运行在同一进程中或同一主机上。

部署步骤

1. 下载 Rekor 二进制或容器镜像：

   # 使用预编译二进制
   wget https://github.com/sigstore/rekor/releases/download/v1.3.6/rekor-server-linux-amd64
   chmod +x rekor-server-linux-amd64
   
   # 或使用 Docker 镜像
   docker pull gcr.io/projectsigstore/rekor-server:v1.3.6

2. 初始化数据库： 默认使用 SQLite 作为后端存储，无需额外配置。若使用 MySQL，需提前创建数据库并执行迁移脚本。
3. 启动 Rekor Server：

   # 使用 SQLite 后端（开发模式）
   ./rekor-server-linux-amd64 serve --trillian_log_server.port=8090
   
   # 使用 MySQL 后端
   ./rekor-server-linux-amd64 serve \
     --trillian_log_server.port=8090 \
     --mysql_dsn="rekor_user:password@tcp(127.0.0.1:3306)/rekor_db"

4. 验证服务状态：

   curl -s http://localhost:3000/api/v1/log | jq .

4.2 高可用集群部署

高可用集群部署是生产环境的标准方案，通过引入 Trillian Log Server 的分布式架构实现日志写入的横向扩展与数据冗余。核心组件包括：Rekor API Server（无状态，可多副本）、Trillian Log Server（有状态，需一致性协议）、Trillian Log Signer（负责 Merkle 树计算与检查点签名）、MySQL/Spanner 数据库集群。

组件角色与资源配额建议

部署流程（基于 Docker Compose 示例）

# docker-compose.rekor-ha.yml 核心片段
version: '3.8'
services:
  rekor-server:
    image: gcr.io/projectsigstore/rekor-server:v1.3.6
    command: >
      serve
      --trillian_log_server.address=trillian-log-server
      --trillian_log_server.port=8090
      --mysql_dsn="rekor:password@tcp(mysql:3306)/rekor"
    ports:
      - "3000:3000"
    depends_on:
      - trillian-log-server
      - mysql

  trillian-log-server:
    image: gcr.io/projectsigstore/trillian_log_server:v1.6.0
    command: >
      --storage_system=mysql
      --mysql_uri="test:zaphod@tcp(mysql:3306)/test"
      --rpc_endpoint=0.0.0.0:8090
      --http_endpoint=0.0.0.0:8091

  trillian-log-signer:
    image: gcr.io/projectsigstore/trillian_log_signer:v1.6.0
    command: >
      --storage_system=mysql
      --mysql_uri="test:zaphod@tcp(mysql:3306)/test"
      --rpc_endpoint=0.0.0.0:8092
      --http_endpoint=0.0.0.0:8093
      --sequencer_interval=1000ms
      --batch_size=50

  mysql:
    image: mysql:8.0
    environment:
      MYSQL_ROOT_PASSWORD: rootpass
      MYSQL_DATABASE: rekor
      MYSQL_USER: rekor
      MYSQL_PASSWORD: password

4.3 与 Kubernetes 集成

在 Kubernetes 环境中部署 Rekor 可以充分利用容器编排的弹性伸缩、健康检查、资源配额管理能力，是实现镜像供应链冷启动削峰的关键手段。通过配置 HorizontalPodAutoscaler (HPA) 和 ResourceQuota，Rekor 集群能够根据日志写入压力自动扩缩容，并在资源受限时优先保障核心日志写入。

Kubernetes 部署清单核心配置

# rekor-deployment.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: rekor-server
  namespace: sigstore
spec:
  replicas: 2
  selector:
    matchLabels:
      app: rekor-server
  template:
    metadata:
      labels:
        app: rekor-server
    spec:
      containers:
      - name: rekor-server
        image: gcr.io/projectsigstore/rekor-server:v1.3.6
        args:
          - "serve"
          - "--trillian_log_server.address=trillian-log-server.sigstore.svc"
          - "--trillian_log_server.port=8090"
          - "--mysql_dsn=rekor:password@tcp(mysql.sigstore.svc:3306)/rekor"
        ports:
          - containerPort: 3000
        resources:
          requests:
            cpu: "500m"
            memory: "1Gi"
          limits:
            cpu: "1"
            memory: "2Gi"
        livenessProbe:
          httpGet:
            path: /api/v1/log
            port: 3000
          initialDelaySeconds: 30
          periodSeconds: 10
        readinessProbe:
          httpGet:
            path: /api/v1/log
            port: 3000
          initialDelaySeconds: 5
          periodSeconds: 5

资源配额与自动扩缩容配置

HPA 配置示例

# rekor-hpa.yaml
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: rekor-server-hpa
  namespace: sigstore
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: rekor-server
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 80

4.4 部署模式对比与选型建议