如何让Artifact Registry中的Python包可用于Vertex AI自定义作业？

以下是几种无需硬编码服务账号密钥的解决方案：

• 配置应用默认凭据（本地+Vertex AI通用）
  本地环境下，执行gcloud auth application-default login生成默认凭据文件，构建过程中确保环境变量GOOGLE_APPLICATION_CREDENTIALS指向该文件路径。在Vertex AI自定义作业中，可通过工作负载身份绑定将作业服务账号与具备Artifact Registry权限的账号关联，或在作业配置中指定service_account字段，确保构建阶段能自动获取有效凭据。

• 修复元数据服务器访问问题
  若元数据服务器超时，检查VPC防火墙规则是否允许访问169.254.169.254（元数据服务器地址）。确保自定义作业使用的网络配置中没有阻止该地址的出站流量，同时确认服务账号的IAM权限包含roles/iam.serviceAccountUser，允许作业代理该账号访问元数据服务。

• 调整依赖安装顺序
  在构建脚本中先单独安装keyrings.google-artifactregistry-auth，再安装requirements.txt中的依赖，避免因依赖安装顺序导致认证组件未初始化：

  pip install --upgrade pip
  pip install keyrings.google-artifactregistry-auth
  pip install -r requirements.txt
  

• 使用预构建私有镜像
  将所需依赖提前安装到自定义镜像中，上传至Artifact Registry的镜像仓库，然后在Vertex AI自定义作业中直接使用该私有镜像作为基础镜像，跳过构建阶段的依赖安装步骤，彻底规避认证问题。

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