Azure ML SDK v1部署的AKS推理容器能否配置Kubernetes持久卷？

核心结论 #

SDK v1完全支持为AKS上的实时推理容器挂载PVC，无需局限于v2文档，问题大概率出在部署配置遗漏或PVC关联配置细节上。

关键配置要点 #

• 部署时显式声明卷挂载
  使用Model.deploy()时，必须通过deployment_config参数传入包含卷定义的AKS部署配置，否则容器不会自动关联PVC。示例代码如下：

  from azureml.core.webservice import AksWebservice
  from azureml.core.model import Model, InferenceConfig
  
  # 自定义Docker环境的推理配置
  inference_config = InferenceConfig(image="<你的自定义镜像>", entry_script="score.py")
  
  # 配置AKS部署参数，添加PVC挂载规则
  aks_deploy_config = AksWebservice.deploy_configuration(
      cpu_cores=1,
      memory_gb=2,
      # 定义要挂载的PVC
      volumes=[{
          "name": "pvc-mount-name",
          "persistentVolumeClaim": {"claimName": "<你的PVC名称>"}
      }],
      # 定义容器内的挂载路径
      volume_mounts=[{
          "mountPath": "/mnt/pvc-data",
          "name": "pvc-mount-name"
      }]
  )
  
  # 执行部署
  service = Model.deploy(
      workspace=your_workspace,
      name="inference-service",
      models=[your_model],
      inference_config=inference_config,
      deployment_config=aks_deploy_config,
      deployment_target=your_aks_cluster
  )
  service.wait_for_deployment(show_output=True)
  

• 验证PVC的AML识别注解
  确保PVC添加了azureml.azure.com/mountable: "true"注解，这是AML服务识别并允许挂载PVC的必要条件，v1和v2均需设置。

• 检查权限与命名空间匹配

  1. 确认PVC的访问模式（如ReadWriteOnce/ReadWriteMany）与后端PV的配置一致，避免权限不匹配导致挂载失败。
  2. 确保PVC与推理Pod处于同一命名空间（默认AML使用azureml命名空间，自定义命名空间需同步调整PVC所在位置）。

• 排查Pod挂载状态
  通过kubectl describe pod <推理Pod名称>查看Pod事件和卷挂载细节，若存在FailedMount等事件，可根据提示定位具体问题（如PVC不存在、权限不足等）。

内容的提问来源于stack exchange，提问作者Kalleni