在AWS Lambda中调用PyCaret predict_model触发只读文件系统异常

错误根源是PyCaret依赖的joblib库默认尝试在/var/folders目录写入缓存数据，但AWS Lambda的沙箱环境仅开放/tmp目录作为可写区域，其他目录均为只读，导致写入失败。

以下是几种可行的解决办法：

• 修改joblib缓存目录到Lambda可写路径
  在Lambda函数代码开头添加环境变量配置，将joblib的临时目录指向/tmp：

  import os
  import tempfile
  # 强制joblib使用Lambda可写的/tmp目录作为缓存路径
  os.environ['JOBLIB_TEMP_FOLDER'] = tempfile.gettempdir()
  

• 禁用PyCaret Pipeline的缓存功能
  PyCaret的模型Pipeline默认启用joblib缓存，直接禁用即可避免写入操作：

  from pycaret.classification import load_model, predict_model
  
  # 加载预训练模型
  trained_model = load_model('your_model_path')
  # 关闭缓存
  trained_model._memory = None
  # 执行预测
  prediction = predict_model(trained_model, raw_score=True, data=df)
  

  若你是在Lambda中训练模型，也可以在初始化阶段直接禁用缓存：

  from pycaret.classification import setup
  
  # setup时指定memory=None禁用缓存
  setup(data=train_df, target='target_column', memory=None)
  

• 预生成缓存文件并打包（可选）
  若需保留缓存功能，可在本地训练模型时让joblib生成完整缓存文件，将缓存目录（默认是本地的/tmp/joblib）一并打包到Lambda部署包中，然后在Lambda代码中指定joblib读取该打包后的缓存路径。此方法步骤较繁琐，仅推荐有特殊缓存需求的场景。

本地及Docker环境可正常运行，是因为这些环境没有严格的文件系统读写限制，允许joblib在默认路径写入缓存。

内容的提问来源于stack exchange，提问作者Aks