Azure CLI 2.74版本中身份联合凭证创建命令的重大变更解析
背景介绍
Azure CLI作为微软Azure云平台的重要命令行工具,在2.74版本中对az identity federated-credential create命令进行了重要变更。这一变更影响了使用托管身份(Managed Identity)和联合凭证(Federated Credential)的用户,特别是那些依赖默认参数值的自动化脚本和基础设施配置。
变更详情
在Azure CLI 2.68及更早版本中,az identity federated-credential create命令的--audience参数有一个默认值api://AzureADTokenExchange。这意味着用户在执行命令时可以不指定该参数,系统会自动使用这个默认值。
然而在2.74版本中,这一默认值被移除,导致所有不显式指定--audience参数的命令都会失败,并返回错误信息:"Federated identity credentials must have exactly 1 audience"(联合身份凭证必须有且仅有一个受众)。
技术影响分析
这一变更对现有系统产生了多方面影响:
- 自动化脚本失效:所有依赖默认值的自动化部署脚本和CI/CD流程都需要更新
- 文档不匹配:现有的教程和文档示例需要修订
- 基础设施即代码(IaC)问题:使用Terraform、ARM模板等工具定义的基础设施可能需要调整
解决方案
对于遇到此问题的用户,有以下几种解决方案:
-
显式指定audience参数:
az identity federated-credential create --name my-fci --identity-name my-uai --resource-group my-rg --issuer https://issuer-url --subject system:serviceaccount:namespace:sa --audience api://AzureADTokenExchange -
降级Azure CLI版本: 可以暂时降级到2.68或更早版本,但这只是临时解决方案
-
更新基础设施代码: 对于使用基础设施即代码的项目,需要更新所有相关定义文件
最佳实践建议
- 避免依赖默认值:即使是看似稳定的默认参数,也建议在关键脚本中显式指定
- 版本兼容性测试:在升级Azure CLI前,应在测试环境中验证关键命令
- 错误处理:脚本中应加入对命令返回值的检查,及时发现类似问题
技术原理深入
联合身份凭证是Azure AD中一种特殊的凭据类型,允许外部身份提供商(如Kubernetes、GitHub等)直接向Azure AD请求令牌。audience参数指定了令牌的目标服务,api://AzureADTokenExchange是Azure AD令牌交换的标准受众值。
移除默认值可能是出于安全考虑,强制用户明确指定令牌的受众范围,避免潜在的错误配置。这种变更也符合最小权限原则,要求管理员更谨慎地配置安全凭证。
总结
Azure CLI 2.74版本的这一变更虽然带来了短期的不便,但从长远看有助于提高配置的明确性和安全性。用户应及时更新脚本和文档,采用显式参数指定的方式,确保系统的稳定性和安全性。对于关键业务系统,建议建立完善的变更管理流程,及时跟踪和适应这类接口变更。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00