使用Terraform在Azure ML Studio创建数据存储遇参数问题求助

错误原因分析 #

1. 初始报错要求tenant_id/client_id等参数，是AzureML Provider 全局配置缺失导致的，而非数据存储资源的auth块需要这些参数。
2. 后续添加subscription_id后报错，是因为该参数不属于AccountKey认证模式下的auth块参数范畴，属于配置冗余。

正确配置方案 #

第一步：配置 AzureML Provider 全局参数

在代码开头添加 Provider 配置块，填入你的租户、服务主体及订阅信息（这些是 Provider 初始化必需的全局参数，而非资源级参数）：

provider "azureml" {
  tenant_id       = "你的租户ID"
  client_id       = "你的服务主体ID"
  client_secret   = "你的服务主体密钥"
  subscription_id = "你的订阅ID"
}

第二步：修正数据存储资源代码

使用AccountKey认证模式时，auth块仅需指定认证类型和存储账户主键，删除所有多余的AD相关参数：

resource "azureml_datastore" "output_datastore" {
  resource_group_name = var.resource_group_name
  workspace_name      = azurerm_machine_learning_workspace.AML.name
  name                = "outputdatastore"
  storage_type        = "AzureBlob"
  
  storage_account_name   = "bapstorageaccount945"
  storage_container_name = "predictioncontainer"
  
  auth {
    credentials_type = "AccountKey"
    account_key      = "你的存储账户主键"
  }  
}

额外注意事项 #

• 确保配置的服务主体拥有目标存储账户的Storage Blob Data Contributor角色权限，避免后续出现访问权限错误。
• 若存储账户与ML工作区在同一订阅下，Provider配置的订阅ID会自动关联，无需在资源中重复指定。

内容的提问来源于stack exchange，提问作者Manoj R