Skip to main content

土曜の朝、K3sの本番サイトがTLS証明書切れで落ちた。手動更新から抜け出すACME自動化の設計

土曜の朝、Slackの通知音でスマホが鳴る。本番サイトが503を返している。原因はTLS証明書の期限切れ。しかも、そのクラスタには数ヶ月前に cert-manager を導入済みだった。「証明書は自動更新されるはずでは」という疑問が頭をよぎる。

こうした事故は、K3sやKubernetesの現場で決して珍しくない。cert-managerを入れることと、cert-managerが実際に証明書を更新し続けることは、まったく別の問題だからだ。手動でCSR(証明書署名要求)を作成し、認証局に送り、署名を受け取ってアップロードするという多段階の作業は、担当者が変わるたびに手順が引き継がれずミスを生んできた。皮肉なことに、自動化ツールを導入した後も、設定の誤りや監視の欠如という形で同じ属人化のリスクは残り続ける。

K3sはデフォルトでTraefikをIngressコントローラーとして同梱しており、外部からのTLS終端はこのTraefikとcert-managerが発行するSecretの組み合わせで成り立っている。つまりcert-manager側の更新が滞れば、K3sクラスタ全体のTLS終端がそのまま止まる構造だ。

この記事では、cert-managerを導入していても証明書が静かに失効する4つのパターンと、TLS証明書の自動更新を「導入した」で終わらせず「動き続けている」状態にするための設計を、K3s環境を前提に解説する。

なぜ「導入した」と「動いている」は別問題なのか — cert-managerが静かに失敗する4パターン

section01

cert-managerはGitHub上で公開されているOSSプロジェクトで、CNCFのGraduatedプロジェクトでもあり、月間5億ダウンロードを記録するほど広く使われている、信頼性の高いツールだ。それでも本番環境で証明書更新が失敗する事例は後を絶たない。典型的な原因は次の4つに集約される。

1. Issuer / ClusterIssuerの参照ミス

cert-managerでは、証明書発行元を Issuer(namespace限定)または ClusterIssuer(クラスタ全体)というリソースで定義する。Certificateリソースがどちらを参照するかを取り違えたり、namespaceをまたいだ参照を誤って設定したりすると、issuanceがそもそも実行されない。クラスタが複数namespaceにまたがる本番運用では、この種の設定ミスが特に発生しやすい。

2. DNS-01検証の失敗

ワイルドカード証明書や複数ドメインを扱う場合、cert-managerはDNS-01チャレンジでドメイン所有権を検証する。これは、ACMEサーバーが要求するTXTレコードをDNSに書き込み、伝播を待ってから検証する仕組みだ。Ingressのホスト名を変更した後にDNS設定を更新し忘れたり、DNSプロバイダーのAPI認証情報が期限切れになっていたりすると、検証は静かに失敗し続ける。

3. Let's Encryptのレート制限枯渇

Let's Encryptは公平な利用のためレート制限を設けている。公式ドキュメントによれば、登録ドメインあたり7日間で発行できる証明書は50件、同一アカウントが3時間に作成できる新規オーダーは300件までだ。設定ミスによって同じ証明書の発行リクエストが繰り返し失敗すると、この上限にすぐ達し、正当な更新リクエストまでブロックされる。しかも認可の失敗が1時間に5回を超えるとアカウント単位で一時的に制限され、復旧にはセルフサービスポータルでの対応が必要になる。

4. Secretが更新されてもPod・Ingressが再読み込みしない

cert-managerが証明書を更新すると、その内容はKubernetesの Secret に書き込まれる。Kubernetes公式ドキュメントによれば、Secretをボリュームとしてマウントしている場合、kubeletは変更を検知して結果整合的にファイルを更新する。しかし、subPath でマウントしている場合はこの自動更新の対象外になる。さらに、証明書を環境変数として読み込んでいるアプリケーションや、起動時に一度だけ証明書をメモリに読み込むプロセスは、Secretが更新されても再起動しない限り古い証明書を使い続けてしまう。

これら4つに共通するのは、いずれも「エラーとして目に見える形で通知されない」という点だ。更新が失敗しても、証明書の有効期限が実際に切れるまでシステムは正常に動作しているように見える。これが、手動運用時代の「気づいたときには手遅れ」という構造をそのまま引き継いでしまう理由だ。

こうした落とし穴の多くは、Issuer設定やDNSプロバイダー連携を、クラスタを作るたびに手作業でゼロから構築していることに起因する。Kuboのようにcert-manager導入とClusterIssuer設定がテンプレート化されたマネージドK3s基盤を使えば、そもそも参照ミスや設定漏れが起きにくい状態からスタートできる。

「動いているはず」を「動いている」に変える設計 — 監視・renewBefore・ステージング検証

section02

証明書の自動更新を「機能させ続ける」ためには、ツールを入れるだけでなく、失敗を検知できる仕組みと余裕を持った設計が欠かせない。

有効期限切れ前に気づく監視を組み込む

cert-managerはCertificateリソースのステータスとして更新状況を公開しており、Prometheusのメトリクスとして取得できる。証明書の残存有効期間をダッシュボード化し、一定日数を下回ったらアラートを発報する仕組みを、cert-manager自体の監視とは独立して持っておくことが重要だ。「更新が成功したこと」ではなく「証明書が有効期限内であること」を直接監視するのがポイントになる。KuboのようにPrometheus + Grafanaが標準搭載されたマネージドK3s基盤であれば、この監視スタック自体をゼロから構築する手間は発生しない。

renewBeforeでバッファを確保する

cert-managerの公式ドキュメントによれば、更新タイミングを指定しない場合、証明書は有効期間の3分の2が経過した時点で自動的に更新される。90日証明書であれば約30日前が目安だ。この既定値は、DNS伝播の遅延やレート制限による一時的な失敗を吸収するためのバッファとして機能している。spec.renewBefore を明示的に設定する場合は、このバッファを削りすぎないよう注意したい。

なお、Let's Encryptは証明書の有効期間を段階的に短縮する方針を公式に発表しており、90日から64日、将来的には45日へと移行する計画が進んでいる。有効期間が短くなるほど更新の失敗が本番影響に直結するまでの猶予も短くなるため、監視とバッファ設計の重要性はむしろ高まる。

ステージング環境で検証してから本番に適用する

Issuerの設定変更や新しいDNSプロバイダーの導入は、Let's Encryptのステージング環境で検証してからClusterIssuerを切り替えるべきだ。ステージング環境は本番と同じレート制限の仕組みを持ちながら、失敗しても本番のレート制限を消費しない。設定ミスに気づかないまま本番のClusterIssuerで試行錯誤すると、それだけでレート制限を使い切ってしまうリスクがある。

マネージドK3sなら、この「気づいたら失効」を構造ごとなくせる

section03

ここまで見てきた4つの失敗パターンと、それを防ぐための監視・バッファ設計は、どれも技術的には難しくない。しかし、これらを継続的に「正しく設定され、正しく監視されている」状態に保つこと自体が、実は見落とされがちな運用コストになる。Issuer設定のレビュー、Prometheusアラートルールの保守、DNS認証情報のローテーション管理——こうした地味な作業の積み重ねが、K3sクラスタが増えるほど、あるいは担当者が変わるほど属人化していく。

KuboのマネージドK3s基盤には、cert-manager + Let's Encryptによる証明書自動管理が標準搭載されている。ClusterIssuerの初期設定やDNSプロバイダー連携、監視の仕組みをゼロから構築・保守する必要がなく、K3sベースの軽量性を保ったまま本格的なKubernetesの機能をそのまま使える。EKSやAKSと同等のコンテナ基盤を、4vCPU/8GB/40GB×3ノード構成で月額48,000円〜という水準で運用できるのも、こうした運用の標準化によるところが大きい。

証明書管理という一見地味な領域こそ、「壊れたときの被害が大きいのに、壊れるまで気づきにくい」という性質を持つ。ここを構造ごとマネージド側に任せることは、単なる楽さの追求ではなく、本番障害のリスクそのものを削減する設計判断だと言える。

まとめ

cert-managerを導入することと、TLS証明書の自動更新が実際に機能し続けることの間には、Issuer参照ミス・DNS-01検証失敗・レート制限枯渇・Secret未リロードという見えにくい落とし穴がある。手動更新時代の属人化を解消するために自動化ツールを入れたはずが、設定と監視を怠れば同じ「気づいたときには手遅れ」の構造に戻ってしまう。

有効期限を直接監視すること、renewBeforeで十分なバッファを確保すること、ステージング環境で変更を検証すること——この3つを運用に組み込んで初めて、証明書管理は「導入した」から「動いている」に変わる。そしてこの運用負荷そのものを構造的になくしたいなら、Kuboのようにcert-manager運用が標準搭載されたマネージドK3s基盤への移行も、現実的な選択肢の一つになるはずだ。

Related articles

← Back to all posts