Databricks点击Enable Serving后Model Serving变为Stopped如何解决

1. 优先查询服务运行日志 #

这是定位问题最直接的手段：

• 进入对应Serving端点的详情页，切换到日志标签，分别筛选stderr和stdout输出，重点排查三类错误：
  • 依赖类错误：代码引用的第三方库未在conda.yaml中声明、库版本和运行时不兼容
  • 模型加载错误：模型文件路径异常、自定义预测逻辑存在运行时错误、模型文件损坏
  • 资源不足错误：日志中出现OOM、Insufficient CPU/Memory类提示

2. 验证服务资源配置合理性 #

• 检查你选择的Worker规格是否满足模型最低运行要求：大语言模型、CV类大模型必须选择Large及以上规格的Worker，小模型也至少需要Medium规格才能正常启动
• 确认当前工作区的模型服务实例配额未用尽：可在工作区管理后台的配额页面查看剩余可使用的模型服务实例数，配额不足需先提交配额提升申请再重试部署

3. 校验模型打包合规性 #

你部署的模型必须是符合MLflow规范的打包格式，可先在同版本运行时的Notebook中执行以下代码验证模型可正常加载：

import mlflow
# 替换为实际的模型URI
model = mlflow.pyfunc.load_model("models:/<model_name>/<version>")
# 测试预测逻辑是否正常
test_payload = {"input_col": "test_value"}
print(model.predict(test_payload))

如果本地运行报错，说明模型本身存在问题，需要重新打包模型：

• 检查MLmodel配置文件中的loader_module和部署运行环境的MLflow版本兼容
• 自定义pyfunc模型中所有资源加载必须使用相对路径，禁止绑定本地开发环境的绝对路径

4. 排查网络与权限配置 #

• 私有VPC部署的Databricks工作区需要确认安全组规则允许服务拉取依赖包、访问模型存储路径（DBFS/S3/ADLS）
• 用于部署服务的账号/服务主体，对模型存储路径、对应MLflow实验至少有只读权限，对Serving端点有编辑权限

5. 应急重试方案 #

如果以上排查未发现明确错误，可尝试以下操作：

• 删除当前异常的Serving端点，使用相同配置重新创建新端点
• 切换部署使用的ML运行时版本，比如从13.3 LTS ML切换到14.3 LTS ML后重新打包部署

内容的提问来源于stack exchange，提问作者user12253044