KServe中配置私有Harbor仓库镜像拉取的解决方案
在使用KServe部署AI推理服务时,经常会遇到需要从私有Harbor仓库拉取容器镜像的场景。本文将详细介绍如何正确配置KServe以支持从私有Harbor仓库拉取镜像。
问题背景
当在KServe的InferenceService配置中指定了私有Harbor仓库的镜像地址时,Pod会因无法通过认证而出现"ErrImagePull"错误。错误信息通常显示为"pull access denied"或"no basic auth credentials",这表明Kubernetes集群没有获取镜像所需的认证凭据。
解决方案
1. 创建Docker注册表Secret
首先需要在部署InferenceService的命名空间中创建一个docker-registry类型的Secret:
apiVersion: v1
kind: Secret
metadata:
name: harbor-credential
namespace: default
data:
.dockerconfigjson: <base64编码的docker配置>
type: kubernetes.io/dockerconfigjson
其中.dockerconfigjson的值可以通过以下命令生成:
kubectl create secret docker-registry harbor-credential \
--docker-server=harbor.ext.hp.com \
--docker-username=<用户名> \
--docker-password=<密码> \
--docker-email=<邮箱> \
--dry-run=client -o yaml
2. 在InferenceService中引用Secret
在InferenceService的transformer或predictor配置中,通过imagePullSecrets字段引用创建的Secret:
apiVersion: serving.kserve.io/v1beta1
kind: InferenceService
metadata:
name: torch-grpc-transformer
spec:
predictor:
model:
modelFormat:
name: pytorch
storageUri: gs://kfserving-examples/models/torchscript
runtime: kserve-tritonserver
transformer:
containers:
- image: harbor.ext.hp.com/onecloud-sol/infra-demo-itg:image-transformer-1.0
name: kserve-container
imagePullSecrets:
- name: harbor-credential
实现原理
-
认证机制:Kubernetes通过docker-registry类型的Secret存储私有仓库的认证信息,这些信息会被kubelet在拉取镜像时使用。
-
镜像拉取流程:
- kubelet读取Pod定义中的imagePullSecrets
- 从指定Secret获取.dockerconfigjson
- 使用其中的凭据向私有仓库发起认证请求
- 认证通过后拉取镜像
-
安全考虑:所有认证信息都以Secret形式存储,确保敏感信息不会以明文形式出现在配置文件中。
最佳实践
-
命名空间隔离:建议在每个命名空间都创建对应的Secret,而不是使用default命名空间的Secret。
-
权限最小化:为不同服务使用不同的仓库账号,限制每个账号只能访问必要的镜像仓库。
-
自动刷新:定期更新Secret,特别是在密码或token有变更时。
-
网络策略:确保Kubernetes节点能够访问私有Harbor仓库的网络端口。
常见问题排查
-
Secret未生效:检查Secret是否创建在与InferenceService相同的命名空间。
-
认证失败:确认用户名密码是否正确,是否有仓库访问权限。
-
网络问题:检查节点到Harbor仓库的网络连通性。
-
证书问题:如果是HTTPS仓库且使用自签名证书,需要在节点上配置信任该证书。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









