如何解决Databricks中的CONFIG_NOT_AVAILABLE错误？

问题分析 #

报错[CONFIG_NOT_AVAILABLE] Configuration spark.mlflow.modelRegistryUri is not available的核心原因有两点：

• Databricks笔记本无需手动初始化SparkSession，平台已自动提供默认会话，手动构建会覆盖默认的MLflow相关配置
• 指定的Model Registry URI配置键和格式存在问题

修正方案 #

方案1：使用默认配置（推荐） #

直接省略手动创建SparkSession的代码，使用平台提供的默认会话即可正常初始化FeatureEngineeringClient：

from databricks.feature_engineering import FeatureEngineeringClient

# 直接初始化客户端，自动使用平台默认配置
fe = FeatureEngineeringClient()

方案2：自定义Model Registry到Volume（若有需求） #

如果确实需要将Model Registry存储到指定Volume，应通过FeatureEngineeringClient的参数直接指定，而非修改SparkSession配置：

from databricks.feature_engineering import FeatureEngineeringClient

# 正确指定Volume作为Model Registry存储位置
fe = FeatureEngineeringClient(
    mlflow_client_kwargs={
        "registry_uri": "databricks:/Volumes/surgery_cat/default/surgery_volume"
    }
)

关键说明 #

• Databricks笔记本会自动注入名为spark的SparkSession实例，手动构建会话会破坏平台预设的MLflow、Unity Catalog等集成配置
• spark.databricks.mlflow.modelRegistryUri并非公开支持的配置项，不要通过SparkSession配置该参数，如需自定义Model Registry存储，应通过MLflow客户端参数指定

内容的提问来源于stack exchange，提问作者Barry King