部署MLRun模型服务函数时遇Nuclio资源未找到错误求助

从你给出的报错栈来看，核心问题卡在创建/更新HPA（水平Pod自动扩缩容）资源时找不到请求的资源，这一般和Kubernetes集群的HPA支持情况、依赖组件缺失或者Nuclio的权限配置有关。我之前处理过类似的问题，可以按下面的步骤逐一排查：

1. 检查集群是否支持HPA API #

首先确认你的Kubernetes集群是否启用了HPA相关的API资源，执行以下命令：

kubectl api-resources | grep horizontalpodautoscalers

如果输出为空，说明集群默认未启用HPA API，需要先开启对应的API组；如果有输出，注意API版本是autoscaling/v1还是v2——Nuclio对HPA v2有依赖，若集群仅支持v1，可能需要调整Nuclio的配置或升级集群的API版本。

2. 验证Metrics Server是否安装 #

HPA（尤其是v2版本）依赖Metrics Server提供CPU、内存等资源指标，如果集群中没有安装这个组件，会直接导致HPA创建失败：

kubectl get pods -n kube-system | grep metrics-server

如果没有找到Metrics Server的Pod，需要安装它。对于标准Kubernetes集群，可以从Kubernetes SIGs的Metrics Server项目获取最新的部署清单，执行kubectl apply -f components.yaml完成安装（注意：私有集群或特殊网络环境下，可能需要替换清单中的镜像为本地可访问的地址）。

3. 尝试禁用HPA后重新部署函数 #

如果暂时不需要自动扩缩容功能，可以先禁用Nuclio函数的HPA配置，验证是否能正常部署。在你的MLRun函数代码中添加如下配置：

# 获取或创建函数对象后，设置固定副本数并禁用自动扩缩容
fn = mlrun.code_to_function(...)
# 固定1个副本，不启用HPA
fn.spec.autoscaling = {'min_replicas': 1, 'max_replicas': 1}
# 或者直接完全禁用自动扩缩容配置
# fn.spec.autoscaling = None

# 执行部署
fn.deploy()

如果这样能成功部署，说明问题确实出在HPA相关配置上，后续再针对性解决集群的HPA支持问题即可。

4. 检查Nuclio控制器的权限 #

Nuclio控制器需要拥有创建、更新HPA资源的权限，否则会出现“找不到资源”的错误（本质是权限不足导致的API调用失败）。执行以下命令查看Nuclio控制器的ServiceAccount权限：

kubectl describe sa nuclio-controller -n nuclio

在输出的Permissions部分，确认是否包含autoscaling资源的create、update权限。如果没有，需要更新Nuclio的ClusterRole，添加对应的权限规则：

apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRole
metadata:
  name: nuclio-controller
rules:
- apiGroups: ["autoscaling"]
  resources: ["horizontalpodautoscalers"]
  verbs: ["get", "list", "watch", "create", "update", "patch", "delete"]

应用这个ClusterRole后，重启Nuclio控制器Pod：

kubectl rollout restart deployment nuclio-controller -n nuclio

5. 手动测试HPA创建 #

如果以上步骤都未解决问题，可以手动创建一个测试HPA，获取更具体的报错信息：
创建一个test-hpa.yaml文件，内容如下（替换<你的测试Deployment名称>为集群中已存在的Deployment名称）：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: test-hpa
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: <你的测试Deployment名称>
  minReplicas: 1
  maxReplicas: 3
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50

执行部署命令：

kubectl apply -f test-hpa.yaml

根据命令返回的具体错误信息，就能更精准地定位集群的问题所在。

内容的提问来源于stack exchange，提问作者sukku