AzureML通过Azure CLI认证注册数据集触发交互式登录问题

本地调试问题修复 #

执行到Dataset读取逻辑触发交互式登录，由三个常见配置问题导致，按以下步骤修复即可：

• 先修正代码语法错误：原代码Workspace.from_config行括号位置错误，多余的右括号会导致auth参数传递失效，初始化认证客户端时显式关闭交互式回退，正确写法如下：

authentication = AzureCliAuthentication(interactive_login=False)
workspace = Workspace.from_config("config.json", auth=authentication)

传入interactive_login=False后，SDK会强制使用CLI本地缓存的凭据，不会弹出浏览器登录提示。

• 显式给Dataset读取方法传递认证对象：Dataset.Tabular.from_delimited_files默认不会自动继承Workspace对象的认证配置，必须手动传入auth参数才会复用CLI凭据，修改对应行：

dataset = Dataset.Tabular.from_delimited_files(path=path, auth=authentication)

• 补全ADLS Gen2数据平面权限：你所持有的Datastore所有者权限属于Azure资源管理平面权限，读取ADLS Gen2内的文件需要额外授予数据平面角色，执行以下CLI命令赋权即可：

az role assignment create \
  --assignee <你的Azure账号Object ID> \
  --role "Storage Blob Data Reader" \
  --scope <ADLS Gen2存储账户的资源ID>

CI/CD管道适配方案 #

将脚本集成到Azure CLI任务实现跨工作区自动注册，按以下配置即可实现无人值守运行：

• 管道任务选择内置的Azure CLI任务，绑定提前配置好的Azure服务连接，任务运行时会自动完成服务主体的az login操作，不需要手动执行登录命令。
• 给服务连接对应的服务主体授予两类权限：所有目标Azure ML工作区的参与者权限、所有关联ADLS Gen2存储账户的Storage Blob Data Reader权限，跨订阅/跨资源组部署时逐个对应赋权即可。
• 跨工作区注册不需要单独存放每个工作区的config.json文件，直接通过订阅ID、资源组名、工作区名循环加载Workspace对象即可，示例逻辑：

# 多工作区配置列表
workspace_configs = [
    {"sub_id": "订阅1ID", "rg": "资源组1名", "ws_name": "工作区1名"},
    {"sub_id": "订阅2ID", "rg": "资源组2名", "ws_name": "工作区2名"}
]

for config in workspace_configs:
    ws = Workspace(
        subscription_id=config["sub_id"],
        resource_group=config["rg"],
        workspace_name=config["ws_name"],
        auth=authentication
    )
    # 对应工作区下的Datastore获取、Dataset注册逻辑
    store = Datastore.get(ws, datastore_name)
    path = [(store, filePath)]
    dataset = Dataset.Tabular.from_delimited_files(path=path, auth=authentication)
    dataset.register(ws, name="目标数据集名称")

• 管道运行环境提前安装与本地版本一致的azureml-core、azure-cli依赖，避免版本不兼容导致的认证异常。

内容的提问来源于stack exchange，提问作者frictionlesspulley