Kubeflow KFServing 使用私有 Harbor 仓库镜像的配置方法
在使用 Kubeflow KFServing 部署模型服务时,经常会遇到需要从私有 Harbor 镜像仓库拉取容器镜像的场景。本文将详细介绍如何正确配置 KFServing 以支持从私有 Harbor 仓库拉取镜像。
问题背景
当在 KFServing 的 InferenceService 配置中指定了私有 Harbor 仓库的镜像地址时,服务部署可能会失败,并出现类似以下的错误信息:
failed to pull and unpack image "harbor.example.com/repo/image:tag":
pull access denied, repository does not exist or may require authorization:
authorization failed: no basic auth credentials
这个错误表明 Kubernetes 集群没有正确的凭证来访问私有 Harbor 仓库。
解决方案
要解决这个问题,我们需要为 Kubernetes 集群配置访问私有 Harbor 仓库的凭证。以下是具体的配置步骤:
1. 创建 Docker 注册表 Secret
首先,我们需要创建一个包含 Harbor 仓库认证信息的 Kubernetes Secret:
apiVersion: v1
kind: Secret
metadata:
name: harbor-credentials
namespace: <your-namespace>
type: kubernetes.io/dockerconfigjson
data:
.dockerconfigjson: <base64-encoded-docker-config>
其中,.dockerconfigjson
的值可以通过以下方式生成:
- 创建
config.json
文件:
{
"auths": {
"harbor.example.com": {
"username": "your-username",
"password": "your-password",
"auth": "base64-encoded-username:password"
}
}
}
- 使用 base64 编码该文件:
cat config.json | base64
2. 在 InferenceService 中引用 Secret
在 InferenceService 的配置中,我们需要引用这个 Secret。对于 transformer 组件,配置如下:
apiVersion: serving.kserve.io/v1beta1
kind: InferenceService
metadata:
name: my-model
spec:
transformer:
containers:
- image: harbor.example.com/repo/image:tag
name: kserve-container
imagePullSecrets:
- name: harbor-credentials
3. 验证配置
部署完成后,可以通过以下命令检查服务状态:
kubectl get pods -n <namespace>
kubectl describe pod <pod-name> -n <namespace>
如果配置正确,应该能看到容器成功拉取了镜像并正常运行。
最佳实践
-
命名空间管理:建议在每个命名空间中都创建相应的 Secret,而不是使用默认命名空间的 Secret。
-
权限控制:为不同的服务使用不同的 Harbor 账户,遵循最小权限原则。
-
Secret 更新:当 Harbor 密码变更时,记得更新对应的 Secret。
-
安全考虑:确保 Secret 的访问权限受到严格控制,避免敏感信息泄露。
常见问题排查
如果仍然遇到镜像拉取失败的问题,可以检查以下几点:
- Secret 是否创建在正确的命名空间
- Secret 的名称是否与 InferenceService 中引用的名称一致
- Harbor 仓库地址是否正确(包括协议头如 https://)
- 网络连接是否正常,特别是跨网络的 Harbor 仓库访问
- Harbor 仓库的证书是否被集群信任
通过以上配置,KFServing 就能够顺利地从私有 Harbor 仓库拉取所需的容器镜像,为模型服务提供完整的部署能力。这种配置方式不仅适用于 transformer 组件,也同样适用于 predictor 等其他组件。
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00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
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~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-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++095AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-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









