Azure ML模型端点调用失败：StreamAccess.NotFound错误排查求助

• 验证请求中的input_data路径格式

  • 检查CLI传入的JSON里input_data的URI是否符合Azure Blob标准格式：比如https://<storage-account>.blob.core.windows.net/<container>/<path>，或使用azureml://格式时是否正确关联了对应数据集
  • 确认路径是否存在拼写错误（容器名、文件/文件夹名大小写、特殊字符），Blob存储路径大小写敏感，这点极易忽略

• 检查模型推理脚本的输入处理逻辑

  • 对比训练脚本与推理脚本对输入路径的处理逻辑：训练阶段正常说明训练脚本能正确解析--input_folder，但推理脚本可能存在路径拼接错误、误写固定文件名、或未正确映射传入的input_data参数
  • 确认推理脚本是否正确接收并使用了端点调用时传入的参数，有没有遗漏参数传递步骤

• 验证UAMI权限的有效性

  • 即使已配置Storage Blob Data Contributor角色，需确认该角色是直接作用于目标存储账户/容器，而非仅父资源组（权限继承可能存在延迟或未生效）
  • 检查端点部署时是否正确关联了UAMI：部署命令中是否指定--identity-type UserAssigned并传入正确的UAMI资源ID

• 确认Blob存储资源的实际状态

  • 登录Azure Portal直接查看目标Blob路径下的文件是否存在，是否在训练后被删除、移动，或容器访问层级被修改为私有（权限正确但路径错误仍会触发NotFound）
  • 使用UAMI身份手动验证路径可访问性：执行CLI命令 az storage blob list --account-name <storage-account> --container-name <container> --prefix <target-path> --auth-mode login，查看是否能正常获取文件列表

• 排查端点部署环境与日志

  • 确认推理环境与训练环境的依赖库版本一致，部分库对Blob URI的解析规则差异可能导致路径识别失败
  • 查看端点详细日志：通过Azure ML Studio或CLI命令 az ml online-endpoint logs show --name <endpoint-name> --deployment <deployment-name> 获取完整错误堆栈，定位具体缺失的流/文件

内容的提问来源于stack exchange，提问作者MLOpsguy