Azure Machine Learning模型部署PodInitializing失败排查求助

现有代码硬错误修正 #

以下问题会直接导致容器启动后运行失败，需优先修复：

• 训练脚本问题
  1. 读取数据集前未定义colnames变量，运行时会触发NameError，需在pd.read_csv前添加列名定义：

     colnames = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'class']
     

  2. 特征提取逻辑错误：X = dataset.drop(['class'], axis=1)[:,0]仅提取了第1列特征（花萼长度），与推理阶段传入4个特征的逻辑不匹配，需修改为：

     X = dataset.drop(['class'], axis=1)
     

  3. 模型保存逻辑存在文件句柄泄漏风险，无需手动打开文件流，直接修改为：

     joblib.dump(classifier, filename)
     

• 评分脚本问题
  1. 模型名称不匹配：Model.get_model_path(model_name='classifier')要求模型注册时填写的名称与参数完全一致（大小写敏感），需前往Azure ML模型页确认注册名称，若注册时用的是文件名final_mod_v1，此处要同步修改。
  2. 推理输入未做格式转换：传入的列表格式数据无法直接被scikit-learn的predict方法识别，需转换为numpy数组，修改预测逻辑为：

     result = model.predict(np.array(data['data']))
     

conda依赖配置说明与修正 #

• 配置文件最后一行的name字段是conda环境的自定义名称，自动生成的哈希值本身不会导致部署失败，可根据需要自定义修改。
• 现有配置的版本兼容性问题是导致容器卡在PodInitializing的核心原因：python=3.6.2版本已停止维护，与Azure ML当前使用的基础容器镜像兼容性差，极易出现依赖安装超时、底层库版本冲突问题。请替换为以下兼容配置：

channels:
- anaconda
- conda-forge
dependencies:
- python=3.8
- scikit-learn==1.0.2
- pip:
  - pandas==1.3.5
  - azureml-defaults>=1.48.0
  - joblib==1.2.0
name: iris-svm-deploy-env

PodInitializing状态排查步骤 #

该状态代表容器处于启动初始化阶段，按以下优先级排查：

1. 依赖安装故障：替换为上述新版依赖配置后重新部署，若使用VNet私有网络部署，需确认计算节点可正常访问conda、pip软件源，或提前配置内网镜像源。
2. 模型文件异常：当前训练的SVM模型正常大小应为几KB，若注册时上传的pkl文件损坏、或注册路径填写错误，会导致容器挂载模型卷失败。需删除现有注册模型，用修正后的训练脚本重新生成模型文件后再注册部署。
3. 资源配额不足：部署ACI/AKS服务时，至少分配0.5核CPU、1GB内存，配额不足会导致容器无法正常调度启动。
4. 拉取完整初始化日志：在Azure ML部署详情页打开日志标签，查看容器启动阶段的完整输出，重点关注依赖安装步骤、init()函数执行阶段的报错信息，可直接定位具体故障点。

部署前验证建议 #

修正代码和配置后，优先使用Azure ML SDK的本地部署功能验证服务可用性，确认模型加载、推理逻辑正常后再推送云端部署，可大幅降低排错成本。

内容的提问来源于stack exchange，提问作者shan