使用Nuclio运行含自定义子模块的Python数据科学流水线是否可行？

完全可以通过Nuclio原生能力实现需求，无需手动传递zip包解压运行，可选用以下三种符合规范的方案，适配不同的迭代场景：

• 自定义运行时镜像方案：适合自定义子模块迭代频率较低的场景
  基于Nuclio官方提供的Python基础镜像（如nuclio/python:3.9）编写Dockerfile，将my_big_submodule_1、my_big_submodule_2等自定义包拷贝到镜像内的Python搜索路径（如/usr/local/lib/python3.9/site-packages/或函数工作目录/opt/nuclio），构建完成后将该镜像指定为你的函数运行时即可。此时你贴出的函数代码无需做任何修改，可直接正常导入自定义子模块运行。
• 构建配置注入方案：无需自行维护镜像，适合子模块迭代频率中等的场景
  在Nuclio函数的构建配置中添加自定义逻辑：
  1. 如果子模块存储在内部Git仓库，可在build.commands配置中添加命令：pip install git+<内部Git仓库地址/对应子模块地址>，Nuclio构建函数时会自动安装自定义模块
  2. 如果子模块是本地文件，可通过build.extraFiles配置将子模块目录指定为要注入的资源，构建时会自动同步到函数运行目录
• PVC共享挂载方案：适合子模块迭代频繁、同项目多函数共用自定义包的场景
  先将所有自定义子模块上传到Kubernetes集群的PVC存储卷中，在Nuclio函数配置中挂载该PVC，同时添加环境变量PYTHONPATH=<PVC挂载路径>，函数运行时会自动搜索该路径下的自定义包，子模块更新时仅需修改PVC内的文件，无需重新构建任何函数。

Nuclio的函数构建和运行流程完全可定制，不存在仅支持通用依赖包的限制，以上三种方案均为框架原生支持的能力，稳定性和规范性远高于手动传zip包的临时方案。

内容的提问来源于stack exchange，提问作者Asher11