Vertex AI调用ModelDeployOp报google_cloud_pipeline_components.remote模块缺失问题咨询

该问题属于google_cloud_pipeline_components 0.1.x版本的原生Bug，根因为该版本官方预制组件的运行容器未打包google_cloud_pipeline_components.remote模块，导致执行时触发模块找不到的报错，和流水线业务配置逻辑无关。

• 方案1：升级组件库版本
  直接将google-cloud-pipeline-components依赖升级到1.0.0及以上稳定版本，该版本后官方已修复模块缺失问题，同时兼容Vertex AI Pipeline的全部新特性。升级后直接使用新版的ModelDeployOp接口即可，原有传参逻辑基本无需调整。
• 方案2：自定义镜像修复老版本
  如果必须使用0.1.5版本，可自行构建运行镜像，在原有镜像基础上手动安装匹配版本的依赖，替换原来的gcr.io/sashaproject-1/mb_sdk_component:latest镜像即可，参考Dockerfile如下：

  FROM gcr.io/sashaproject-1/mb_sdk_component:latest
  RUN pip install google-cloud-pipeline-components==0.1.5
  

  构建完成后将镜像推送到自有GCP容器镜像仓库，在流水线中指定ModelDeployOp使用该自定义镜像运行。
• 方案3：封装自定义部署组件
  直接使用Vertex AI Python SDK原生的deploy方法，封装为自定义KFP组件完成部署，绕过有问题的官方预制组件，自定义组件核心逻辑参考：

  from kfp.v2 import dsl
  from kfp.v2.dsl import Artifact, Input, Output
  
  @dsl.component(
      base_image='python:3.8',
      packages_to_install=['google-cloud-aiplatform']
  )
  def custom_model_deploy(
      project: str,
      model: Input[Artifact],
      endpoint: Output[Artifact],
      machine_type: str = 'n1-standard-4',
      deployed_model_display_name: str = 'my-deployed-model'
  ):
      from google.cloud import aiplatform
      aiplatform.init(project=project)
      model_obj = aiplatform.Model(model.uri)
      endpoint_obj = model_obj.deploy(
          machine_type=machine_type,
          deployed_model_display_name=deployed_model_display_name
      )
      endpoint.uri = endpoint_obj.resource_name
  

内容的提问来源于stack exchange，提问作者Ruben