接手一套混合云的 Windows 身份基础设施:本地机房一台 PVE 上跑两台域控,云上一台 ECS 做第三台域控,外加证书服务器和一台远程桌面网关。从第一次基线审计到现在三个多月,主线之外的坑比主线还长。这篇按部署顺序把三台域控的落地过程记一遍,公司相关的地址、主机名、域名、凭据一律不带;只有历史记录、没有复测的结论我会单独标出来。
拓扑与角色分工
先给一个抽象后的结构,方便对号入座:
| 角色 | 位置 | 系统 | 说明 |
|---|---|---|---|
| DC1 | 本地 PVE 虚拟机 | Windows Server 2025 | 主域控,兼 DNS |
| DC2 | 本地 PVE 虚拟机 | Windows Server 2025 | 第二域控,与 DC1 同站点 |
| DC3 | 云上 ECS | Windows Server 2025 Datacenter | 云上域控,独立网段,与本地经隧道互联 |
| 证书服务器 | 本地 PVE 虚拟机 | Windows Server | AD CS 企业 CA,签机器证书与 LDAPS |
| 远程桌面网关 | 本地 PVE 虚拟机 | Windows Server 2025 | RD Gateway,公网 443 收 RDP |
三台域控是审计确认后的形态。DC1/DC2 从一开始就是域控;DC3 在八月初交付时按当时的要求只做了系统初始化、没装 AD 角色,几天内才提升为域控。提升前那轮准备工作(改名、静态地址、DNS 指向本地 DC、安全基线对齐)反而是后面几乎零返工的原因,这块下面单独讲。
单台机器从裸机到提升为域控的分步手顺,我早年写过一篇 Windows Server 安装以及 AD 域服务搭建,域名、功能级别、DSRM 密码这些不可回退的取值都在那篇里。本文不重复这部分,只讲三台规模之后才出现的问题。
例行审计记录的 FSMO 角色里,PDC Emulator、RID Master、Infrastructure Master 三项都在 DC1;另外两项角色当时的审计表没有列出,不在此文断言。
虚拟化层:PVE 上跑 Windows 域控的对齐清单
域控对虚拟化的要求不多,但每一条都影响能不能装、装完稳不稳。逐项核对过的配置:
- 固件必须 OVMF + Secure Boot + TPM 2.0。Server 2025 的若干安全特性默认要求这些,PVE 侧对应 OVMF 固件加 vTPM 状态盘,EFI 用 4M 类型并预注册微软密钥。这三项配齐的虚拟机,后来才具备跑 BitLocker 计划的前提。
- 磁盘接口。初建的域控用 IDE 挂系统盘。这是 PVE 新建 Windows 虚机的默认懒路,代价是 I/O 性能比 virtio-scsi 加 iothread 低三成以上。换接口要同时改启动顺序,并提前注入 virtio 驱动,否则起来找不到盘。
- Hyper-V enlightenments 全开。
hv_relaxed、hv_synic、hv_stimer这一组是给 Windows 客户机减负的,PVE 对 Windows 机型模板只默认开一部分,逐项补全后 CPU 等待明显收敛。 - 禁用睡眠和休眠(
disable_s3=1、disable_s4=1)。域控睡过去一次,Kerberos 时间偏差和复制积压就够排查半天。 - CPU 型号至少 x86-64-v2-AES,能直通用 host;8 核以上启用 NUMA 绑定。
ostype别随手写客户端机型,机型模板会连带决定默认设备组合。 - 时钟:RTC 用
driftfix=slew,全集群统一 base 取 localtime 还是 UTC,混用会出现开机时间跳变。
PVE 宿主本身审计出的问题也值得列,因为基本都是”默认装机就不会有”的项:主机防火墙未启用、ZFS 数据池未加密、vzdump 备份只有符号链接没有实际配置和保留策略、无 HA 单点、root 无 MFA。当时综合评分给了 63%。这份清单留作整改基线,截至发稿宿主防火墙和实际备份仍未整改,属于已知未闭环。
安全基线:从 77 分到 89 分动了哪些项
DC1 上线初期做过一次全盘安全审计,修复后重启复验,评分 77% 提到 89%。真正值得记的是修复过程中的几个具体坑。
NetBIOS 的 139 端口关不干净。 逐网卡把注册表 NetBT\Parameters\Interfaces\...\NetbiosOptions 设为 2 并重启,端口仍在监听——承载者是内核(PID 4),sc stop 无从下手。最终接受的做法是注册表禁用加防火墙在 Public profile 上对 137/138/139 加阻止规则兜底:监听仍在内网地址上,只是外部不可达。这个行为微软社区讨论多年,结论基本就是防火墙兜底为正解。
WinRM 的 HTTP 监听绑在 IPv6 全接口。 用 netsh http show servicestate 才看到通配监听,而 WinRM 的 IPv4 防火墙规则对 v6 监听完全不生效。给 5985 补限段规则(只允许管理与办公网段)后收口;RDP 3389 同理补限段,公网面由上游防火墙负责。
LDAP 通道签名。 注册表 LdapSigning=1,重启域控后生效。没有域内测试环境,这类注册表手术前按惯例给相关虚机打了快照再动手(审计前的快照清单里就有这几台),改完确认 Netlogon、KDC、ADWS 全部正常再保留。快照不是备份,但能让一次改动有后悔药。
SMB 基线三件套:卸载 SMB1、启用签名、启用加密。注意 Server 2025 上签名参数的名称与旧版本不同,脚本照抄旧文章会静默失败。
后来 DC3 提升前、远程桌面网关上线前,都拿同一张对齐表逐台核过。每台多花二十分钟,换来三台行为一致。跨版本环境里”每台默认值不一样”才是最大隐患,基线表是性价比最高的防御。
证书:一张指错目标的机器证书
八月中旬审计发现 DC2 的机器证书指向了错误目标主机,走 LDAPS 的客户端校验会失败。修复本身不复杂:重建请求、按正确 SAN 签发、重启依赖服务。留下的尾巴是当时的临时方案——一套自签续期脚本以 SYSTEM 计划任务部署到三台域控,命令行不含明文凭据(脚本上机前跑过凭据关键词扫描);但域内企业 CA 就绪后,域控证书改由内部 CA 签发,这套自签脚本就成了历史遗留。历史记录显示计划任务仍在,是否与 CA 方案冲突没有复测,这条只能记成”历史说法”。
通用教训:机器证书的 SAN 必须在请求阶段核对。 签发后才发现指错,回滚成本远大于前置检查。现在的做法是签发脚本里硬校验 SAN 与主机 FQDN 一致才提交。
时间源:域控的 NTP 别用默认
PDC Emulator 是全林时间源,默认取时地址在国内办公网的表现是同步间隔拉长、偏差爬到分钟级、Kerberos 开始报 clock skew。
实测结论:多个公共 NTP 从业务网不可达或抖动严重,逐个探测后固定一家延迟稳定的国内源并配备用源;非 PDC 域控全部回归默认层级跟随 PDC,不做”每台都指公网”这种画蛇添足。改完用 w32tm /resync /force 验证,偏差回落到毫秒级。
坑在于 w32tm 的生效链很长:组策略、注册表、手动配置三层,手动配置会被组策略周期刷回。改完当场正常、几周后复发,基本都是策略里还压着旧值。查时间问题先跑 w32tm /query /source 和 /query /configuration,确认当前真实生效层,别一上来就调 syncfrom。
最大的坑:内网域名和官网域名同名
三个月里最花时间的问题,值得完整讲。
AD 域名和官网主域名用了同一个字符串。这不是错误配置,当年建域时内外同名是常见做法,官网也在同一个品牌域下。麻烦在于:办公网的 DNS 查询全部走内网域控,裸域名解析回来的是三台域控的内网地址,浏览器打官网就撞在域控的 80/443 上——域控上没有 Web 服务,连接被拒。带 www 的记录指向公网,所以 www 正常、只有裸域炸。内部区里还残留历史时期手工加的 www 公网记录,与公网权威解析已经不一致,属于同一根因的次生问题。
候选方案按侵入性排序:内网 DNS 做条件转发、客户端侧代理、或者域控直接转发。前两者分别动全局 DNS 和所有终端,被否。最终落地的是对域控侵入最小的一种:三台域控各加两条 Windows 原生 portproxy,把本机私网地址的 TCP 80/443 转发到官网 www 的公网端点,防火墙只放行办公网段到域控 80/443 且限定进程 svchost。请求经域控跳板后 301 到 www,后续流量直达公网,域控不终止 TLS、不经手证书链。
实施里踩的坑比方案本身更有教育意义:
- 转发目标不能用裸域名的解析结果。上游名称如果解析回域控自己,直接形成回环。部署前检查里必须确认上游解析出的是公网地址。
- 首轮试点失败过,失败点是持久性。首轮防火墙规则按进程匹配放行,并用一条计划任务做健康探测、异常自动回退。上线后发现规则没能留存,而探测任务跑在管理员远程会话的子进程树里,会话断开时守卫跟着一起没了。重做版改为 SYSTEM 账户的独立计划任务,规则改成按本机私网地址加端口加进程精确匹配,并把旧 IIS 默认站点的自动启动关掉(只改
serverAutoStart一个属性,保留 Web 服务运行),防止未来某天 IIS 把 80 抢回去。这套”守卫 + 超时自动回退”后来真的被触发过一次并成功回退。 - 回退必须按任务边界设计。每台域控留一个独立发布目录:变更前配置快照、原始 IIS 配置、回滚脚本及其哈希。回滚只撤销本任务新增的两条转发和精确防火墙规则、恢复站点自动启动值,绝不
reset全部 portproxy、不整份还原防火墙或 DNS——域控上别人家的规则与你无关。云上那台的等效动作是安全组只删本任务新增的规则 ID,原有二十余条逐项保留。 - 验收要覆盖域功能,不只是网页。改的是域控的网络栈,网页跳转只占验收清单小半:三台复制失败计数、LDAPS 握手、SYSVOL 与 NETLOGON 可读、GPO 目录、LDAP SRV 记录、关键服务 PID 与变更前基线一致。两百多项入口检查和十余次客户端完整链路之外,这些才是敢在生产域控上动手的底气。
未闭环也记在这:内部区里那条历史 www 记录没清理(实测当前可用,动它需要单独评审);没做生产重启演练,所以”重启后依然生效”只能说配置层面成立、没有实测;官网源站的偶发连接失败只做了有界复测。
云上域控:一台 1 核 8G 的 ECS 敢不敢当 DC
DC3 的配置单拿出来看是劝退的:1 vCPU、8GB 内存。但小规格域控在中小企业混合云里非常常见,能跑的前提是角色预期要诚实——价值是本地整体断线时认证不至于全灭,以及给云上业务提供就近认证,不是拿来扛负载的。
要点:
- 初始化阶段就完成与本地域控完全一致的安全基线(SMB 三件套、LDAP 签名、NetBIOS 禁用、RDP NLA、防火墙三 profile 启用),提升为域控后不用再补作业。
- 安全组只对管理网段放行远程管理和 WinRM,不对公网开放任何 AD 端口;复制与认证流量走与本地的隧道。
- DNS 首选/备用指向本地两台域控,云上私有网络自定义 DNS 参与域解析,否则域成员找不到 SRV 记录。
- 时间源在云上更隐蔽:云主机默认走云厂商内部时钟源,提升成域控后要按域内层级逻辑重新审视它的时间来源,别让”云默认”和”域默认”打架。
八月的例行审计里,三台域控复制 0 失败、延迟在站点链接允许的窗口内,这台小机器没有任何性能相关告警。
pwdLastSet=0:一次”嫌疑犯不是凶手”的排查
十一月排查下游身份同步平台批量写密码失败,第一嫌疑人是”下次登录必须改密”标记(pwdLastSet=0)。全林扫描结果:一百多个用户对象里只有 9 个带标记,且全部是禁用账号(8 个普通账号加内置 Guest),与失败的那批启用账号完全不重叠。
处理与三点收获:
- 清理在 PDC Emulator 上执行,
Set-ADUser -ChangePasswordAtLogon:$false(等效写入-1),8/8 成功,逐对象回读确认userAccountControl没被顺手改动,内置 Guest 原样不碰——不在范围内就不动。 - 跨站点复制延迟差点骗过验收。本地域控已收到变更,云上域控短时间内还没收到复制更新,在它上面复核会得出”没改成”的假象。确认属于复制节奏正常后,用
Sync-ADObject对这批对象做单对象同步(不动复制拓扑和站点计划),三台视图一致才算完成。多域控环境”写一台、验三台”必须是默认动作,且验证要接受复制延迟窗口,拿单次快照下结论必然误判。 - 结论必须诚实:清标记不等于修故障。批量写密码失败的根因不在这次清理里。首次写入的正确顺序(LDAPS 写密成功、再清强制改密标记、回读
pwdLastSet>0、用专用测试账号验证首同步与改密)已写进对接方案,但真实首同步链路没验收,此项到发稿仍未闭环。顺带否掉两种野路子:用”密码永不过期”绕标记是在改密码策略;写脚本周期性全域清标记会覆盖管理员主动设置的强制改密。两者都比原问题更糟。
零碎但值得记的
- RD Gateway 可以纯注册表配置。纯远程 PowerShell 场景下官方 cmdlet 依赖的部署上下文不完整,认证模式、设备策略、审计开关直接写 Terminal Server 的 Parameters 键完成,证书绑定写 GUID 子键,重启网关服务生效。图形界面和 cmdlet 不是唯一的门,但要留下注册表前后对比作为变更证据。
- BitLocker 恢复密码入 AD。试点验证了 AD 侧备份与按 OU 授权非域管读取,但一次真实恢复演练没做完——“已实现”只能写到试点为止。没演练过的读取路径等于不存在。
- DNS 区安全更新。四个区全部 Secure Dynamic Update,非域内主机无法往区里注册记录。这是默认值,但值得确认没人图省事开过不安全更新。
- 运维脚本本身也要过安全审查。续期脚本上机前跑过凭据关键词扫描,计划任务运行账户回读为 SYSTEM,凭据不落命令行。自动化脚本是新的攻击面,这个习惯值得固化。
- 远程执行链路的收尾。整个项目大量改动通过远程 PowerShell 完成,收尾时要清掉本次上传的脚本、临时 stdout、测试用的临时授权条目,并回读两端确认无残留进程与监听。长期配置和 known_hosts 不清空,也不为了重试降级主机密钥校验。
未闭环清单
按诚实原则,把发稿时点仍未关闭的项集中列出来:
| 事项 | 状态 |
|---|---|
| PVE 宿主防火墙、实际备份任务、宿主 MFA | 未整改(审计已知) |
| ZFS 数据池加密 | 未做,依赖上一项先有备份 |
| 证书自签续期任务与内部 CA 共存 | 历史说法,未复测 |
| 内部 DNS 历史 www 记录 | 未清理,实测可用 |
| BitLocker 真实恢复演练 | 未验收 |
| 下游身份同步首同步链路 | 方案已定,未验收 |
| 域控重启演练(转发持久性) | 未做 |
小结
三台域控本身没什么技术含量:装、提升、对齐基线,微软文档里全有。真正花时间的全是文档不会写的部分——内外同名域这种历史决策的账、复制延迟造成的验收假象、注册表与组策略的生效链打架、以及”改域控网络栈”这种动一下就要拿全域功能验收兜底的敬畏心。
只留一条经验:在生产域控上动手之前,先把回退边界和验收清单写清楚,再碰键盘。
公司环境的地址、主机名、证书指纹、安全组 ID 与凭据已全部脱敏;性能与评分数字取自当时现场报告的原始记录,未经二次复测,仅作口径参考。