近日，多名开发者反馈在使用 Microsoft Graph API 执行应用注册（App Registration）密码回收（Recycle password）操作时，遇到间歇性失败问题。该问题影响了部分依赖自动轮换客户端密钥的 DevOps 流程与安全合规策略，引发技术社区关注。微软官方已在服务健康仪表板中确认该问题，并着手调查根本原因。

背景：密码回收为何重要？

在 Azure Active Directory（Azure AD）中，应用注册用于标识和验证第三方应用或服务的身份。每个应用注册可以生成多个客户端密码（Client Secret，俗称“应用密码”），用于 OAuth 2.0 授权流程。出于安全最佳实践，企业通常会通过自动化脚本定期轮换这些密码——例如，调用 Microsoft Graph 的 POST /applications/{appId}/addPassword 接口创建新密码，随后使用 POST /applications/{appId}/removePassword 或 DELETE 操作删除旧密码。

所谓的“密码回收”（Recycle password）并非一个官方术语，但社区中常指代“删除旧密码并创建新密码”的原子化操作流程。Graph API 官方提供了 recyclePassword 端点（位于 /applications/{applicationId}/recyclePassword），其设计意图是让管理员能够在不影响现有令牌有效性的情况下，异步生成新密码并废弃旧密码。这一功能对高安全敏感度的应用尤为关键。

问题表现：操作返回不一致错误

根据多个技术论坛及 GitHub Issue 反馈，自2025年2月中旬起，调用 recyclePassword 端点时，约5%~10%的请求会遭遇失败。典型错误包括：

  • HTTP 500 内部服务器错误，返回 ServiceUnavailable 或 InternalServerError；
  • HTTP 403 权限错误，尽管调用方已拥有 Application.ReadWrite.All 或 Application.ReadWrite.OwnedBy 权限；
  • 偶发性的超时或长时间无响应，导致客户端重试机制触发幂等性问题。

部分开发者指出，失败请求在重试后有时能成功，但重试间隔过短（如小于30秒）反而加剧了失败概率。更棘手的是，当回收操作失败时，原有旧密码可能已被标记为待删除状态但实际未清除，造成应用身份验证两难——既不能继续使用旧密码，也无法立即获得新密码。

影响范围：DevOps 流水线与合规审计受冲击

该问题对以下场景影响尤为显著：

  1. 自动密钥轮换脚本：许多企业使用 Azure DevOps、GitHub Actions 或 Terraform 定期调用 Graph API 回收密码。失败的轮换可能导致安全策略违规（例如密码超过90天未更新），并触发告警风暴。
  2. 多区域部署：跨区域复制应用注册配置时，某个区域的回收异常可能导致集群内凭据不一致，引发服务间调用失败。
  3. 审计日志：由于操作失败未留下完整的审计记录，安全团队难以追溯究竟是哪个环节导致凭据泄露风险。

据一名 Azure 技术顾问匿名透露，其客户在近期一次例行密码轮换中遭遇连续5次回收失败，被迫手动在Azure Portal中创建新密码，中断了近两个小时的自动化部署流程。

官方回应：初步定位为后端服务缓存问题

微软于2025年2月25日更新了Azure服务健康仪表板（Service Health Dashboard），将问题编号标记为 GRPH-CO2P。官方公告称：“我们已收到部分客户报告，当通过Microsoft Graph的‘recyclePassword’操作更新应用注册密码时，请求偶尔会失败。初步调查表明，此问题与后端服务节点间的缓存同步延迟有关，导致部分区域在处理回收请求时无法正确锁定资源。”

作为临时缓解措施，微软建议开发者：

  • 在重试逻辑中加入指数退避（Exponential Backoff），首次重试至少等待60秒；
  • 对于关键流程，优先采用“先创建新密码，后删除旧密码”的两步操作方法，而非使用 recyclePassword 端点；
  • 启用应用注册的 addIns 功能作为备用身份验证方法，降低对密码的依赖。

不过，社区中部分用户抱怨两步法增加了代码复杂度，且同样可能因并发问题产生孤儿密码。微软表示正在开发永久性补丁，预计在未来两周内通过渐进式部署推送至所有区域。

趋势观察：API 可靠性成为云服务新焦点

本次故障并非孤立事件。近半年，Microsoft Graph 的多个端点（包括 GET /applications、POST /servicePrincipals 等）均出现过性能下降或错误率升高的情况。随着企业加速向零信任架构迁移，API 驱动的自动化操作愈发频繁，云服务商需要在高可用性与快速迭代之间寻找更优平衡。

对于正在积极采用AI和自动化运维的团队而言，本次事件再次敲响警钟：关键路径上的任何间歇性故障，都可能通过自动化放大为全局风险。建议企业在设计超时与重试策略时，始终假定API调用可能一致性失败，并预留手动干预的应急通道。

截至发稿时，微软尚未公布完整的事故后分析（PIR）报告。我们将持续跟踪此问题的修复进展，并在第一时间为读者带来后续报道。