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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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