Redis-py 5.3.0 版本新增 Microsoft Entra ID 认证支持
Redis-py 作为 Python 生态中最流行的 Redis 客户端之一,在最新发布的 5.3.0 版本中新增了对 Microsoft Entra ID(原 Azure Active Directory)认证的支持。这一功能特别针对 Azure Cache for Redis 服务,为开发者提供了更安全、更现代化的身份验证方式。
背景与需求
在云原生应用开发中,使用托管服务凭证进行身份验证已成为最佳实践。Azure Cache for Redis 支持通过 Microsoft Entra ID 进行身份验证,这种方式相比传统的用户名/密码认证更加安全,因为它基于令牌(Token)机制,并且可以集成 Azure 的细粒度访问控制。
传统的 Redis 认证方式存在几个问题:
- 静态凭证需要定期轮换
- 凭证管理存在安全风险
- 缺乏细粒度的访问控制
Microsoft Entra ID 认证通过 OAuth 2.0 协议解决了这些问题,但需要客户端能够处理令牌的获取和刷新机制。
技术实现
Redis-py 5.3.0 通过引入新的身份提供者(IdentityProvider)接口来实现这一功能。开发者现在可以使用 Microsoft Entra ID 作为认证提供者,客户端会自动处理以下流程:
- 令牌获取:从 Microsoft Entra ID 获取初始访问令牌
- 认证过程:使用令牌作为密码进行 Redis AUTH 命令
- 令牌刷新:在令牌接近过期时自动获取新令牌
- 重新认证:使用新令牌重新进行 Redis 认证
使用方法
要使用这一新功能,开发者需要:
- 确保使用 redis-py 5.3.0 或更高版本
- 配置 Microsoft Entra ID 应用程序并获取必要的客户端ID和密钥
- 创建适当的 IdentityProvider 实例
示例代码展示了基本用法:
from redis import Redis
from redis.credentials import MicrosoftEntraTokenProvider
# 创建 Entra ID 认证提供者
credential_provider = MicrosoftEntraTokenProvider(
client_id="your-client-id",
client_secret="your-client-secret",
tenant_id="your-tenant-id"
)
# 创建 Redis 客户端
redis_client = Redis(
host="your-redis-host",
port=6380,
ssl=True,
credential_provider=credential_provider
)
优势与价值
这一功能的加入为开发者带来了几个重要好处:
- 增强安全性:消除了静态凭证存储的需求
- 简化运维:自动处理令牌刷新,无需人工干预
- 更好的集成:与 Azure 生态系统无缝协作
- 合规性支持:满足企业安全合规要求
注意事项
开发者在使用这一功能时需要注意:
- 确保应用程序在 Microsoft Entra ID 中有正确的权限配置
- 网络配置需要允许 Redis 客户端访问 Microsoft Entra ID 的令牌端点
- 令牌刷新机制会增加少量网络开销
- 首次连接可能因令牌获取而有额外延迟
总结
Redis-py 5.3.0 对 Microsoft Entra ID 认证的支持标志着该项目在云原生适配方面的重要进步。这一功能使得 Python 开发者能够更安全、更方便地使用 Azure Cache for Redis 服务,同时也为其他云服务商的身份认证集成提供了参考实现。
对于正在使用或计划使用 Azure Cache for Redis 的 Python 开发者来说,升级到 5.3.0 版本并采用这一新认证方式,将显著提升应用的安全性和可维护性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00