AWS SageMaker boto3调用错误响应逻辑不一致的技术咨询

错误类型不一致的核心原因 #

SageMaker各API接口的错误码设计是按服务内部模块职责划分的，并非统一遵循“删除不存在资源返回ResourceNotFound”的规则：

• 像delete_pipeline这类较新的接口，归属SageMaker Pipeline服务模块，该模块的错误处理逻辑明确将“目标资源不存在”归类为ResourceNotFound，符合RESTful API的常规语义。
• 而delete_model、delete_endpoint_config这类早期推出的核心资源接口，其校验逻辑归属于服务的通用验证层，验证层会先检查资源是否存在，若不存在则直接抛出ValidationException——早期SageMaker的验证逻辑将“请求操作的资源不存在”视为“请求参数无效”的一种情况。

AWS官方相关说明 #

AWS官方文档未单独针对这类错误不一致性做统一说明，但在各API的错误码章节可找到对应细节：

• DeletePipeline的文档明确列出ResourceNotFound作为可能的错误码，触发条件为“指定的Pipeline不存在”。
• DeleteModel的文档中，ValidationException的触发条件包含“请求参数无效或无法找到关联资源”，其中涵盖了“Model不存在”的场景。

幂等性处理实践建议 #

要实现可靠的错误处理和幂等性，不要依赖错误码的一致性，而是基于错误消息的语义判断：

1. 捕获所有botocore.exceptions.ClientError（ResourceNotFound本质也是ClientError的子类）
2. 解析错误响应中的Error字段，判断消息是否包含“does not exist”或“Could not find”等关键词
3. 若匹配到资源不存在的语义，可将其视为“操作已完成”（删除不存在的资源和删除成功的最终状态一致），无需重试

示例代码：

import boto3
from botocore.exceptions import ClientError

sm = boto3.client("sagemaker")

def safe_delete_model(model_name):
    try:
        sm.delete_model(ModelName=model_name)
        return True
    except ClientError as e:
        error_code = e.response['Error']['Code']
        error_msg = e.response['Error']['Message']
        # 判断是否为资源不存在的情况
        if (error_code == 'ResourceNotFound' or 
            'Could not find model' in error_msg or 
            'does not exist' in error_msg):
            # 视为删除成功，保证幂等性
            return True
        # 其他错误抛出或处理
        raise

# 使用示例
safe_delete_model("testfdgdfgfd")

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