Kubeflow KFServing 中解决镜像解析错误的配置方法

在使用 Kubeflow KFServing 部署 PyTorch 模型服务时，可能会遇到镜像解析失败的问题。本文将详细介绍如何通过配置 Knative 来解决这类网络连接问题。

问题现象

当用户尝试创建一个 InferenceService 资源，使用 PyTorch 作为预测器时，系统报告无法解析容器镜像仓库的地址。错误信息显示为："failed to resolve image to digest: Get https://index.container-registry.io/v2/: dial tcp: lookup index.container-registry.io on 169.254.20.10:53: server misbehaving"。

值得注意的是，在同一环境中，普通的 Deployment 资源（如使用 nginx:1.14.2 镜像）能够正常运行，这表明基础容器运行时功能正常。

环境背景

出现该问题的环境具有以下特点：

• Kubernetes 1.27.2 版本
• 主机网络配置为 Host 模式
• 主机没有网络连接
• 主机的 /etc/resolv.conf 配置为空
• 所需镜像已预先导入集群

解决方案

通过修改 Knative 的 ConfigMap 配置可以解决此问题。具体步骤如下：

1. 定位到 Knative 的 config-deployment ConfigMap
2. 添加或修改 registries-skipping-tag-resolving 配置项
3. 设置需要跳过标签解析的镜像仓库地址

关键配置内容如下：

data:
  registries-skipping-tag-resolving: container-registry.io,index.container-registry.io

技术原理

Knative 默认会尝试解析镜像标签以获取精确的摘要(digest)，这一过程需要访问外部镜像仓库。当集群处于离线环境或网络受限时，这一机制会导致服务部署失败。

通过配置 registries-skipping-tag-resolving 参数，我们指示 Knative 跳过对指定镜像仓库的标签解析，直接使用用户提供的镜像标签。这样即使无法访问外部网络，也能正常部署服务。

注意事项

1. 此解决方案适用于离线环境或网络受限场景
2. 确保所需镜像已预先拉取到集群节点
3. 在生产环境中，建议使用内部镜像仓库而非直接跳过解析
4. 该配置会影响所有使用这些镜像仓库的服务

通过这种方法，用户可以在网络受限的环境中顺利部署 KFServing 服务，同时保持服务的稳定性和可靠性。