如何为AWS SageMaker部署镜像添加缺失的ffmpeg二进制文件

步骤1：编写Dockerfile基于原DJL镜像 #

以你使用的官方DJL推理镜像为基础，编写Dockerfile来安装ffmpeg：

# 基础镜像指定为你当前使用的DJL镜像
FROM 763104351884.dkr.ecr.europe-west-1.amazonaws.com/djl-inference:0.21.0-deepspeed0.8.3-cu117

# 基于Ubuntu系统安装ffmpeg，清理缓存减小镜像体积
RUN apt-get update && apt-get install -y --no-install-recommends \
    ffmpeg \
    && rm -rf /var/lib/apt/lists/*

注：该基础镜像基于Ubuntu发行版，因此使用apt包管理器；若后续镜像更换为Amazon Linux等其他发行版，需改用yum或dnf命令执行安装。

步骤2：构建并推送自定义镜像到ECR #

1. 登录目标区域的ECR仓库：

aws ecr get-login-password --region europe-west-1 | docker login --username AWS --password-stdin 你的ECR账号ID.dkr.ecr.europe-west-1.amazonaws.com

2. 构建本地Docker镜像：

docker build -t custom-djl-ffmpeg:v1 .

3. 为镜像添加ECR仓库标签：

docker tag custom-djl-ffmpeg:v1 你的ECR账号ID.dkr.ecr.europe-west-1.amazonaws.com/你的ECR仓库名:custom-djl-ffmpeg-v1

4. 推送镜像到ECR：

docker push 你的ECR账号ID.dkr.ecr.europe-west-1.amazonaws.com/你的ECR仓库名:custom-djl-ffmpeg-v1

步骤3：修改部署代码使用自定义镜像 #

将部署函数中的image_uri参数替换为你推送到ECR的自定义镜像地址即可。

AWS深度学习容器自定义镜像文档核心内容（中文翻译） #

自定义镜像核心原则 #

• 保持兼容性：必须基于AWS官方深度学习容器（DLC）构建，确保与SageMaker的基础设施、API及运行时环境兼容。
• 最小化变更：仅添加必要的依赖或工具，避免修改原镜像的核心运行环境，防止引入兼容性问题。
• 轻量化镜像：安装完成后清理包管理缓存（如rm -rf /var/lib/apt/lists/*），减小镜像体积，加速SageMaker端点启动与部署流程。

自定义镜像关键要求 #

• 需保留官方DLC内置的SageMaker入口脚本，无需额外添加，除非你需要自定义推理逻辑。
• 确保镜像用户权限正确：官方DLC使用sagemaker用户运行进程，自定义操作避免破坏权限配置，必要时用USER sagemaker切换用户。
• GPU实例适配：基于CUDA的镜像需保证CUDA、cuDNN等依赖版本与原镜像一致，避免GPU加速功能失效。

内容的提问来源于stack exchange，提问作者n_prime