无法将sklearn模型记录到Docker部署的MinIO(S3)服务器故障排查求助

问题根因 #

这个报错是MinIO分片上传时写入内部元数据失败导致的，你用AWS CLI操作正常是因为你测试的文件大小没触发分片上传阈值（默认8MB），而模型文件体积超过阈值触发分片上传，才暴露了底层问题。

修复方案 #

1. 优先检查MinIO存储挂载配置（最高频原因）

你报错里的内核标识5.10.25-linuxkit说明你用的是Docker Desktop（Windows/macOS环境），如果你在docker-compose里把MinIO的/data目录直接挂载到了Windows/macOS的本地目录，会因为跨操作系统文件系统特性不兼容触发该错误：MinIO的分片上传需要用到的原子操作、扩展属性等特性不支持NTFS/APFS文件系统。
修复方式：
将MinIO的存储挂载改为Docker官方的named volume，不要直接挂载主机目录，docker-compose配置参考：

services:
  minio:
    image: minio/minio:latest
    volumes:
      - minio_data:/data
    # 其余配置保留
# 顶层声明named volume
volumes:
  minio_data:

如果是Linux环境直接挂载主机目录，需要确保：

• 挂载目录所属文件系统为ext4/xfs
• 目录权限对MinIO容器运行用户（默认UID 1001）开放读写权限
• 挂载参数未添加noexec、nodev等限制文件操作的参数

2. 补全MLflow的S3配置

你需要在运行训练脚本的环境和MLflow服务容器的环境变量里都添加以下配置，否则MLflow调用boto3时不会走你部署的MinIO endpoint，默认会请求AWS公网S3：

AWS_ACCESS_KEY_ID=替换为你的MinIO Access Key
AWS_SECRET_ACCESS_KEY=替换为你的MinIO Secret Key
MLFLOW_S3_ENDPOINT_URL=http://s3:9000
AWS_S3_REGION_NAME=us-east-1
AWS_S3_SIGNATURE_VERSION=s3v4

3. 验证测试

可以在训练脚本开头添加以下代码，直接测试boto3上传大文件是否正常，确认问题范围：

import boto3
# 替换为你自己的MinIO密钥
s3_client = boto3.client(
    "s3",
    endpoint_url="http://s3:9000",
    aws_access_key_id="xxx",
    aws_secret_access_key="xxx"
)
# 生成10MB测试文件，触发分片上传
with open("/tmp/test_10mb", "wb") as f:
    f.write(b"0" * 10 * 1024 * 1024)
# 上传到你的桶
s3_client.upload_file("/tmp/test_10mb", "foobar", "test_10mb_file")

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