DNSControl项目:解决Azure DNS中添加额外NS记录时的重复条目错误
2025-06-24 22:35:15作者:房伟宁
问题背景
在使用DNSControl管理Azure DNS时,当尝试为一个域名添加额外的名称服务器(NS)记录时,系统会返回错误信息:"The list of record sets of type 'NS' may not contain multiple entries with the same 'nsdname'"(NS类型的记录集不能包含具有相同'nsdname'的多个条目)。这个问题通常出现在需要将域名托管在多个DNS提供商(如Azure DNS和其他第三方DNS服务)的场景中。
技术分析
Azure DNS的特殊行为
Azure DNS对于NS记录有其独特的管理方式。当创建一个DNS区域时,Azure会自动为该区域分配四个名称服务器(通常格式为ns1-XX.azure-dns.com等)。这些默认的NS记录会被自动管理,不需要也不应该在DNSControl配置中显式声明。
问题根源
当用户在DNSControl配置文件中同时包含:
- Azure自动分配的默认NS记录
- 想要添加的额外NS记录(如其他DNS提供商的名称服务器)
Azure DNS API会将这些视为重复的NS记录条目,从而拒绝更新请求。这是因为Azure期望每个NS记录条目都是唯一的,而DNSControl默认会将所有NS记录(包括Azure自动生成的和用户手动添加的)一并提交。
解决方案
最佳实践配置
正确的做法是在DNSControl配置中只声明需要额外添加的NS记录,而不包含Azure自动分配的默认NS记录。例如:
var REG_NONE = NewRegistrar("none");
var DNS_AZURE = NewDnsProvider("azuredns_main");
D("example.co.uk", REG_NONE, DnsProvider(DNS_AZURE),
NAMESERVER_TTL("172800"),
// 只添加额外的NS记录
NAMESERVER("ns1.other.provider.net."),
// 其他记录
A("test", "1.2.3.4"),
END);
技术实现细节
DNSControl团队已经通过代码修复解决了这个问题。修复方案主要包括:
- 在提交NS记录变更前,自动去重NS记录条目
- 确保不会重复提交Azure自动管理的默认NS记录
- 保留用户显式添加的所有额外NS记录
多DNS提供商托管建议
当需要将域名托管在多个DNS提供商时,建议:
- 在一个主要提供商处管理所有记录
- 在其他提供商处仅设置必要的NS记录
- 通过DNSControl的DnsProvider()指令明确指定每个记录应由哪个提供商管理
- 定期检查各提供商之间的记录同步情况
总结
通过理解Azure DNS对NS记录的特殊处理方式,并遵循正确的配置方法,可以顺利实现多DNS提供商托管方案。DNSControl的最新修复已经解决了NS记录重复提交的问题,使得跨云DNS管理变得更加简单可靠。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137