Kubeflow KFServing 在离线环境中部署 InferenceService 的解决方案
问题背景
在 Kubernetes 环境中使用 Kubeflow KFServing 部署机器学习推理服务时,用户遇到了一个典型问题:当集群处于离线环境(无互联网连接)时,即使已经预先加载了所需的容器镜像,InferenceService 仍然无法正常启动。系统会错误地尝试从外部镜像仓库拉取镜像,导致服务部署失败。
问题分析
经过深入排查,发现这个问题与 Knative 的工作机制密切相关。KFServing 底层使用了 Knative Serving 来实现无服务器(Serverless)模式,而 Knative 有一个默认行为:它会尝试将镜像标签(tag)解析为具体的镜像摘要(digest)。这个解析过程需要访问外部的容器镜像仓库服务。
具体表现为:
- 用户已经通过
ctr images import
将镜像导入到 containerd 中 - 在 Deployment 中可以直接使用这些本地镜像
- 但在 InferenceService 中,Knative 仍然会尝试连接外部仓库进行标签解析
- 在离线环境中,这种外部连接会失败,导致服务无法启动
解决方案
方法一:使用镜像摘要而非标签
最直接的解决方案是使用镜像的完整摘要(digest)而非标签来指定镜像。这样可以避免 Knative 进行标签解析的步骤。例如:
image: "yurkoff/torchserve-kfs@sha256:1b771d7c0c2d26f78e892997cb00e6051c77cf3654827c4715aa5a502267ee76"
方法二:配置 Knative 跳过特定仓库的标签解析
对于需要继续使用标签的场景,可以修改 Knative 的配置,使其跳过对特定镜像仓库的标签解析:
- 编辑 Knative Serving 的 ConfigMap:
kubectl edit configmap config-deployment -n knative-serving
- 添加或修改
registries-skipping-tag-resolving
配置项,包含需要跳过的仓库域名:
data:
registries-skipping-tag-resolving: "kind.local,ko.local,dev.local,index.docker.io"
这个配置告诉 Knative 不要尝试解析这些仓库的镜像标签,直接使用本地已有的镜像。
技术原理
Knative 的标签解析机制设计初衷是为了确保部署的确定性和可重复性。通过将易变的标签解析为不可变的摘要,可以保证每次部署使用的都是完全相同的镜像版本。然而,在离线环境中,这种机制反而成为了障碍。
修改 registries-skipping-tag-resolving
配置后,Knative 会:
- 对于匹配的镜像仓库,直接使用指定的标签
- 不尝试连接外部仓库获取摘要信息
- 依赖 Kubernetes 本身的镜像拉取策略(如 imagePullPolicy)来处理镜像获取
最佳实践建议
- 在生产环境中,推荐使用镜像摘要来确保部署的一致性
- 在开发和测试环境中,可以使用标签跳过配置来提高灵活性
- 对于完全离线的环境,建议建立内部镜像仓库并配置适当的镜像缓存策略
- 定期验证镜像的完整性和安全性,特别是在跳过标签解析的情况下
总结
KFServing 在离线环境中的部署问题揭示了 Knative 底层机制与特定使用场景之间的不匹配。通过理解其工作原理并合理配置,我们可以灵活地适应各种部署环境的需求。无论是使用镜像摘要还是调整 Knative 配置,都能有效解决离线环境中的部署问题,为机器学习模型的部署提供更大的灵活性。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++020Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0279Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









