TandoorRecipes OIDC认证配置问题分析与解决方案
2025-06-04 05:10:34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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
690
4.46 K
Ascend Extension for PyTorch
Python
544
669
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++
955
929
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
420
75
openEuler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。
C
407
324
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (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
1.59 K
925
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
642
292