Microsoft365DSC中AADServicePrincipal资源使用DisplayName的陷阱解析
2025-07-08 06:32:41作者:邬祺芯Juliet
问题背景
在使用Microsoft365DSC配置Azure Active Directory(现称Entra ID)资源时,开发人员可能会遇到一个关于服务主体(Service Principal)创建的陷阱。具体表现为:首次部署时能够成功创建应用注册(AADApplication)和对应的服务主体(AADServicePrincipal),但当再次运行相同的DSC配置时,服务主体资源会报错失败。
问题现象
当使用以下配置时:
AADServicePrincipal 'AADServicePrincipal-NEWTESTAPPSP' {
AppId = 'NEWTESTAPP' # 使用应用注册的DisplayName
DisplayName = 'NEWTESTAPP'
Ensure = 'Present'
ServicePrincipalType = 'Application'
}
首次运行成功,但后续运行会报错:
[Request_MultipleObjectsWithSameKeyValue] : The service principal cannot be created, updated, or restored because the service principal name c83defb3-cabc-48a2-b697-2a8a218e6a6f is already in use.
根本原因
这个问题的根源在于AADServicePrincipal资源中AppId属性的使用方式。在首次运行时:
- DSC通过DisplayName找到对应的应用注册
- 成功创建服务主体
但在后续运行时:
- DSC尝试通过DisplayName查找应用注册
- 由于底层Graph API的限制,这种查找方式不够稳定
- 系统错误地尝试创建新的服务主体而非更新现有主体
- 导致与现有服务主体冲突
解决方案
正确的做法是使用应用注册的ObjectId而非DisplayName作为AppId的值:
AADServicePrincipal 'AADServicePrincipal-NEWTESTAPPSP' {
AppId = 'c83defb3-cabc-48a2-b697-2a8a218e6a6f' # 使用应用注册的ObjectId
DisplayName = 'NEWTESTAPP'
Ensure = 'Present'
ServicePrincipalType = 'Application'
}
技术原理
在Azure AD/Entra ID中:
-
每个应用注册有两个主要标识符:
- DisplayName:用户友好的名称,可重复
- ObjectId:唯一GUID标识符,不可变
-
服务主体是应用注册在租户中的实例,也有自己的ObjectId
-
Microsoft Graph API更可靠地处理ObjectId而非DisplayName
最佳实践
- 始终使用ObjectId而非DisplayName作为AppId的值
- 可以通过先获取AADApplication资源的ObjectId,再传递给AADServicePrincipal
- 在自动化部署中,考虑使用输出变量传递ObjectId
总结
Microsoft365DSC是一个强大的基础设施即代码工具,但在使用AADServicePrincipal资源时需要注意正确使用标识符。使用ObjectId而非DisplayName可以避免后续运行时的冲突问题,确保配置的幂等性。这个经验也适用于其他Azure资源管理场景,强调唯一标识符在自动化部署中的重要性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.35 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
446
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
619
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
254