Vertex AI Pipelines批量预测Error state:5问题排查求助

• 验证GCS路径准确性
  错误码5对应NOT_FOUND，优先确认路径相关问题：

  • 检查输入、输出GCS路径的拼写（桶名大小写敏感，路径层级不能出错）
  • 确认输入数据文件确实存在于指定路径，未被删除或移动
  • 输出路径所在桶未被设置为只读，路径无特殊字符干扰

• 精准核对IAM权限配置
  即使已配置角色，仍需逐一验证：

  • 批量预测使用的服务账号（默认Vertex AI服务账号或自定义账号）需绑定Storage Object Creator/Storage Admin角色到目标输出GCS桶（而非仅项目级）
  • 服务账号同时需拥有Storage Object Viewer权限读取输入GCS桶，以及AI Platform Predictor角色
  • 排查是否存在条件IAM策略（如时间、IP限制）导致权限临时失效

• 检查依赖版本兼容性
  当前依赖组合可能存在兼容问题：

  • 核对官方版本矩阵，尝试调整版本：比如将google-cloud-aiplatform升级至1.28.x或降级至1.23.x，匹配google-cloud-pipeline-components==1.0.42与kfp==1.8.18的兼容要求
  • 确认TensorFlow 2.11.1导出的SavedModel格式符合Vertex AI批量预测要求，输入输出签名完整无缺失

• 排查超时与资源配置
  18-20分钟超时可能源于资源不足或参数设置：

  • 检查批量预测组件的超时参数，是否设置过短（默认1小时，大数据量需调长）
  • 调整机器类型（如从n1-standard-1升级为n1-standard-8），避免资源瓶颈导致任务卡住
  • 查看Vertex AI控制台任务日志，定位UNAUTHENTICATED错误出现的时机（读输入/写输出），缩小问题范围

• 验证模型状态与手动测试
  排除模型本身或组件调用问题：

  • 确认注册表中的模型版本处于READY状态，SavedModel格式完整、签名正确
  • 在Vertex AI控制台手动创建批量预测任务（使用相同输入输出路径、模型），验证是否能成功，以此排除Kubeflow Pipeline组件的问题

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