MLflow无法从模型仓库加载模型：S3路径404错误求助

针对你遇到的问题——明明S3中模型文件存在，加载时却返回404，大概率是以下几个原因，对应解决方案如下：

1. S3不支持相对路径../解析 #

错误信息里的路径包含artifacts/../saved-model/model20/，但S3是扁平结构的对象存储，不会像本地文件系统那样解析../这类相对路径。MLflow构造的这个路径会被直接传给S3客户端，导致请求的是一个包含../的无效对象路径，自然返回404。

解决方法：

• 先通过MLflow命令行查看注册模型的实际源路径：

  mlflow models get-latest-versions --name sample-ann-1
  

  查看输出的source字段，确认是否包含../。如果是，说明模型注册时的路径记录有误。
• 重新注册模型：保存模型时使用绝对路径，避免相对路径引用。比如保存时指定mlflow.pyfunc.log_model(model, artifact_path="saved-model")，确保artifact路径是绝对的。
• 临时应急：跳过模型注册表，直接用S3绝对路径加载模型：

  loaded_model = mlflow.pyfunc.load_model("s3://{bucket}/saved-model/model20/")
  

2. IAM权限范围不足 #

你通过S3浏览器能看到文件，但程序使用的AWS凭证（IAM角色/用户）可能没有访问saved-model/model20/路径的权限——比如权限只授权了artifacts/下的资源，没覆盖上级的saved-model/路径。

解决方法：

• 检查程序使用的IAM权限策略，确保包含以下权限（替换为你的实际bucket和路径）：

  {
      "Effect": "Allow",
      "Action": ["s3:GetObject", "s3:ListBucket"],
      "Resource": [
          "arn:aws:s3:::{bucket}",
          "arn:aws:s3:::{bucket}/saved-model/model20/*"
      ]
  }
  

• 用相同凭证在命令行测试访问：

  aws s3 ls s3://{bucket}/saved-model/model20/
  

  如果命令返回403，说明确实是权限问题，需要调整IAM策略。

3. MLflow模型元数据错误 #

模型注册时，MLflow可能错误记录了模型的存储路径，导致加载时指向了错误的位置（比如关联的run_id、版本对应的路径有误）。

解决方法：

• 查看对应MLflow run的artifact路径：找到模型注册时关联的run，在MLflow UI里查看该run的artifact，确认模型实际存储的路径和注册模型的source是否一致。
• 如果元数据错误，可以重新注册模型，确保注册时关联的是正确的run和artifact路径。

4. 路径大小写不匹配 #

S3的对象路径是区分大小写的，比如Model20和model20是两个完全不同的路径。检查错误信息里的路径和S3浏览器里的实际路径大小写是否完全一致。

内容的提问来源于stack exchange，提问作者Henry Bai