Kubeflow Kserve 非默认本地网关配置问题深度解析

问题背景

在 Kubernetes 环境中使用 Kubeflow Kserve 部署机器学习推理服务时，一个常见需求是自定义 Istio 网关配置。当用户尝试修改默认的本地网关(local-gateway)配置时，经常会遇到请求超时(504 Gateway Timeout)或404 Not Found错误。本文将深入分析这一问题的根源，并提供完整的解决方案。

核心问题分析

Kserve 默认使用名为 knative-local-gateway 的 Istio 网关来处理集群内部请求。当用户需要修改这个默认配置时，必须同时调整多个相关组件的配置，否则会导致请求路由失败。

从日志分析可以看到两种典型的错误表现：

1. 504 Gateway Timeout - 表示请求能够到达网关，但无法正确路由到后端服务
2. 404 Not Found - 表示网关配置存在问题，无法识别请求路径

关键配置点

要使非默认本地网关正常工作，必须确保以下四个关键配置点的一致性：

1. KnativeServing CRD 配置：定义网关的选择器和服务地址
2. ConfigMap config-istio：配置网关的本地网关信息
3. ConfigMap inferenceservice-config：设置 Kserve 使用的网关信息
4. Istio Gateway 资源：确保网关本身正确配置了主机路由

完整解决方案

1. KnativeServing 资源配置

在 KnativeServing 自定义资源中，需要明确定义网关的选择器和服务地址：

apiVersion: operator.knative.dev/v1beta1
kind: KnativeServing
metadata:
  name: knative-serving
  namespace: knative-serving
spec:
  config:
    istio:
      local-gateways: |
        - name: custom-gateway
          namespace: istio-system
          service: custom-gateway.istio-system.svc.cluster.local
  ingress:
    istio:
      enabled: true
      knative-local-gateway:
        selector:
          app: custom-gateway
          istio: custom-gateway

2. Kserve 配置调整

在 Kserve 的 inferenceservice-config ConfigMap 中，必须同步更新网关配置：

apiVersion: v1
kind: ConfigMap
metadata:
  name: inferenceservice-config
  namespace: kserve
data:
  ingress: |-
    {
        "localGateway": "istio-system/custom-gateway",
        "localGatewayService": "custom-gateway.istio-system.svc.cluster.local"
    }

3. Istio Gateway 配置

确保自定义网关正确配置了主机路由，能够处理 Kserve 的请求：

apiVersion: networking.istio.io/v1
kind: Gateway
metadata:
  name: custom-gateway
  namespace: istio-system
spec:
  selector:
    app: custom-gateway
  servers:
  - hosts:
    - "*.online-serving"
    - "*.online-serving.svc"
    - "*.online-serving.svc.cluster.local"
    port:
      name: http
      number: 80
      protocol: HTTP

常见问题排查

1. 504 超时错误：通常表示网关能够接收请求，但无法正确路由到 Kserve 的后端服务。检查：

   • Knative activator 日志是否显示健康检查失败
   • 网关到后端服务的网络连通性
   • 服务选择器(selector)是否正确

2. 404 找不到错误：表明请求未能匹配任何路由规则。检查：

   • 网关的主机(hosts)配置是否包含 Kserve 的命名空间
   • VirtualService 资源是否正确关联了网关
   • 请求的 Host 头是否符合预期

3. 配置同步问题：所有相关组件必须使用一致的网关名称和命名空间，包括：

   • KnativeServing
   • Kserve ConfigMap
   • Istio Gateway
   • 相关的 VirtualService

最佳实践建议

1. 命名规范：为自定义网关使用有意义的名称，如 ml-local-gateway，避免混淆

2. 分步验证：

   • 首先验证网关基础功能
   • 然后测试简单的 Kserve 部署
   • 最后验证端到端请求流

3. 监控配置：使用以下命令验证配置是否生效：

   kubectl get gateway -n istio-system
   kubectl get virtualservice -n kserve
   kubectl get cm inferenceservice-config -n kserve -o yaml
   

4. 渐进式部署：先在测试环境验证配置，再应用到生产环境

总结

配置 Kserve 使用非默认本地网关是一个需要多组件协调的过程。关键在于确保 Knative、Kserve 和 Istio 三方的配置保持一致。通过本文提供的配置方案和排查方法，应该能够解决大多数网关相关的路由问题。记住，在复杂的服务网格环境中，配置的精确性和一致性是成功的关键。