TandoorRecipes OIDC认证配置问题分析与解决方案
2025-06-04 20:08:46作者:郜逊炳
recipes
Application for managing recipes, planning meals, building shopping lists and much much more!
问题背景
TandoorRecipes是一款基于Django开发的食谱管理应用。在1.5.14版本更新后,部分用户遇到了OIDC(OpenID Connect)认证失效的问题,表现为登录时出现500服务器错误。这个问题主要与allauth社交账户认证模块的配置方式变更有关。
错误现象分析
从错误日志可以看出,系统抛出了MultipleObjectsReturned异常,这表明在尝试获取OIDC提供者配置时,系统检测到了重复的配置项。这个错误通常发生在以下情况:
- 通过环境变量和数据库同时配置了相同的OIDC提供者
- 数据库中存在重复的OIDC提供者记录
- 配置方式与新版allauth模块不兼容
根本原因
在TandoorRecipes 1.5.13版本中,allauth模块进行了升级,这导致原有的OIDC配置方式发生了变化。新版本对提供者的唯一性检查更加严格,不再允许通过环境变量SOCIALACCOUNT_PROVIDERS和数据库同时配置相同的提供者。
解决方案
方法一:完全使用数据库配置
-
移除环境变量中的SOCIALACCOUNT_PROVIDERS配置
-
通过Django管理后台配置OIDC提供者:
- 选择"OpenID Connect"作为提供者类型
- 填写唯一的Provider ID(通常是提供者的标识名称)
- 设置可读的提供者名称
- 填写从OIDC提供者处获取的Client ID和Secret Key
- 在Settings字段中填写JSON格式的配置:
{ "server_url": "OIDC提供者的服务器地址", "token_auth_method": "client_secret_basic" } - 确保将站点添加到"Chosen Sites"列表中
-
在OIDC提供者处配置正确的回调URL:
https://你的Tandoor地址/accounts/你的ProviderID/login/callback/ https://你的Tandoor地址/accounts/oidc/你的ProviderID/login/callback/ https://你的Tandoor地址/accounts/oidc/你的ProviderID/login/
方法二:完全使用环境变量配置
如果坚持使用环境变量配置,需要确保:
- 数据库中不存在相同Provider ID的配置
- 环境变量格式正确,符合allauth的最新要求
- 回调URL配置完整
注意事项
- 修改配置后,现有用户可能需要重新关联其OIDC账户
- 建议在修改前备份数据库
- 测试环境先行验证配置变更
- 检查Django的socialaccount_socialapp表中是否存在重复记录
最佳实践建议
- 统一使用数据库配置或环境变量配置,避免混合使用
- 定期检查OIDC提供者的配置更新
- 升级前在测试环境验证OIDC功能
- 考虑实现自动化监控OIDC认证状态
通过以上方法,可以解决TandoorRecipes升级后OIDC认证失效的问题,恢复正常的单点登录功能。对于企业用户,建议采用数据库配置方式,便于通过管理界面进行维护和更新。
recipes
Application for managing recipes, planning meals, building shopping lists and much much more!
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1