为何相同凭证下Azure ML Flow API在Azure计算节点出现403未授权？

问题核心 #

在Azure计算节点的Docker容器中，通过az login -u USERNAME -p PASSWORD登录成功后，调用mlflow.artifacts.download_artifacts()仍返回403错误；本地WSL环境下Docker运行正常，但复制本地有效令牌到节点~/.azure/msal_token_cache.json也无法解决问题。

可行解决方案 #

1. 改用服务主体认证替代用户名密码登录 #

用户令牌的存储和上下文依赖容易出问题，换成服务主体认证更稳定：

• 先创建服务主体，给它分配模型注册表及关联存储账户的必要权限（比如Storage Blob Data Reader或AzureML Data Scientist角色）
• 容器脚本里用以下命令登录：

  az login --service-principal -u <SP_CLIENT_ID> -p <SP_CLIENT_SECRET> --tenant <TENANT_ID>
  

• 确认服务主体对模型所在的存储资源有数据访问权限（别只给管理权限）

2. 强制MLflow使用Azure CLI凭据 #

MLflow可能没正确读取Azure CLI的令牌，在代码里显式指定：

import mlflow
from azure.identity import AzureCliCredential

# 获取Azure CLI的凭据
credential = AzureCliCredential()
# 为MLflow设置令牌环境变量
import os
os.environ["AZUREML_TOKEN_CREDENTIAL"] = credential.get_token("https://ml.azure.com/.default").token

3. 统一Docker容器的用户上下文 #

计算节点容器默认用root运行，Azure CLI的令牌缓存可能受用户权限影响，试试创建非root用户：
在Dockerfile里添加：

RUN useradd -m mluser
USER mluser

脚本里用这个用户执行az login，MLflow也用同一用户运行，确保令牌存储路径和读取上下文一致。

4. 直接用Azure ML SDK下载模型 #

绕开MLflow的认证问题，用Azure ML SDK直接拉取模型：

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

ml_client = MLClient.from_config(credential=DefaultAzureCredential())
model = ml_client.models.get(name="你的模型名", version="你的模型版本")
model_path = ml_client.models.download(model=model, download_path="./model")

关键排查点 #

• 检查权限：确认登录的主体（用户/服务主体）有模型注册表和存储账户的数据访问权限，而非仅管理权限
• 网络验证：计算节点的NSG或防火墙是否允许访问模型注册表和存储账户的端点
• 日志调试：开启MLflow debug日志（export MLFLOW_DEBUG=1），查看实际使用的令牌是否正确

内容的提问来源于stack exchange，提问作者jhlavka