本地JupyterLab关联SageMaker运行任务报错：缺少resource-metadata.json

问题根源 #

本地JupyterLab环境没有SageMaker托管实例自动生成的/opt/ml/metadata/resource-metadata.json元数据文件，导致扩展无法获取调用SageMaker服务所需的身份和资源信息。

手动配置解决方案 #

1. 创建元数据文件路径和文件 #

在本地机器上执行以下命令创建目录和文件：

sudo mkdir -p /opt/ml/metadata
sudo touch /opt/ml/metadata/resource-metadata.json

2. 填写正确的元数据参数 #

编辑resource-metadata.json文件，填入以下内容（根据你的AWS环境替换占位值）：

{
    "AppType": "JupyterLab",
    "DomainId": "你的SageMaker Domain ID",
    "ExecutionRoleArn": "arn:aws:iam::你的AWS账号ID:role/service-role/你的SageMaker执行角色ARN",
    "ResourceArn": "arn:aws:sagemaker:你的区域:你的AWS账号ID:domain/你的SageMaker Domain ID",
    "ResourceName": "local-jupyterlab"
}

参数说明 #

• AppType：固定填"JupyterLab"，匹配你的本地环境类型。
• DomainId：登录AWS控制台的SageMaker服务，进入Domain页面获取你的Domain ID（格式如d-xxxxxxxxxxxx）。如果没有创建SageMaker Domain，需要先创建一个。
• ExecutionRoleArn：这是核心参数，必须是拥有SageMaker服务调用权限的IAM角色ARN。可以在IAM控制台中创建或选择已有的SageMaker执行角色（需包含AmazonSageMakerFullAccess等必要权限）。
• ResourceArn：本地环境无需指向云端JupyterLab实例，可填写你的SageMaker Domain的ARN，格式为arn:aws:sagemaker:区域:账号ID:domain/DomainID。
• ResourceName：自定义名称即可，比如local-jupyterlab。

3. 验证AWS权限配置 #

确保本地环境已正确配置AWS凭证：

• 通过aws configure命令配置你的AWS Access Key和Secret Key，或者设置环境变量AWS_ACCESS_KEY_ID和AWS_SECRET_ACCESS_KEY。
• 配置的凭证必须拥有访问上述ExecutionRoleArn的权限，以及调用SageMaker服务的权限。

内容的提问来源于stack exchange，提问作者danilabagroff