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。
kernelopenEuler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。C048
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen 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TSX0126
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00