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 StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.35 K
Ascend Extension for PyTorch
Python
721
892
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
457
446
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
619
openJiuwen 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
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
254