部署Azure Function时无法导入protobuf builder问题求助

关于升级Azure宿主的protobuf版本 #

Azure Functions Python v1 模型的宿主环境由微软统一维护，用户无法直接升级宿主自带的protobuf版本。因为v1采用共享宿主架构，系统级依赖的更新会影响所有运行在该宿主上的函数，微软会根据平台整体兼容性统一规划更新，不会开放单个用户修改权限。

强制TensorFlow使用站点包中的protobuf版本 #

可以通过调整Python导入路径，让自定义安装的站点包优先于宿主系统路径加载，具体步骤如下：

1. 修改函数入口文件的导入优先级 #

在函数的__init__.py最顶部添加以下代码，将当前函数的站点包路径插入到sys.path的最前端，确保Python优先加载自定义安装的依赖：

import sys
import os

# 指向Azure Functions中自定义依赖的安装路径
site_packages_path = os.path.join(os.getcwd(), ".python_packages", "lib", "site-packages")
if site_packages_path not in sys.path:
    sys.path.insert(0, site_packages_path)

注意：如果你的依赖安装路径不同（比如使用了其他目录），需要根据实际部署后的路径调整site_packages_path的值。

2. 明确指定依赖版本 #

在requirements.txt中严格锁定依赖版本，确保部署时安装与本地一致的包：

tensorflow==2.12.0
protobuf==4.23.3
# 其他依赖...

部署时Azure Pipelines会根据该文件安装指定版本的依赖到函数的站点包目录。

3. 使用完整自定义依赖包部署 #

如果路径调整仍无效，可以将本地开发环境的所有依赖打包后部署，确保环境完全复刻本地：

• 本地创建虚拟环境并激活
• 执行pip install -r requirements.txt安装所有依赖
• 将虚拟环境中site-packages目录下的所有内容复制到函数项目的.python_packages/lib/site-packages目录
• 通过Azure Pipelines部署整个函数项目目录，包含自定义依赖包

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