如何通过Amazon SageMaker Python SDK向自定义训练脚本传递环境变量？

你写的代码完全是正确的！通过Estimator类的environment参数传递环境变量，确实是SageMaker Python SDK里向训练脚本传递这类变量的标准方式，你的训练脚本里用os.environ.get()读取也完全没问题——运行训练job时，这些变量会被注入到训练容器的环境中，脚本可以直接访问。

接下来给你补充一些关键的限制和最佳实践，尤其是处理敏感信息的时候：

一、关于敏感信息（比如API密钥）的最佳实践 #

直接在代码里硬编码密钥（像你示例里的'MY_API_KEY': 'abcdef123456'）是非常不安全的，绝对不要在生产环境这么做！推荐用以下两种更安全的方式：

• 使用Amazon Secrets Manager：把敏感密钥存在Secrets Manager里，然后给训练job的IAM角色赋予访问该秘钥的权限，之后在训练脚本里调用Secrets Manager的API来获取密钥，而不是通过环境变量传递。
• 使用Amazon Systems Manager Parameter Store：和Secrets Manager类似，把敏感参数存在Parameter Store的加密参数中，训练脚本在运行时拉取。

如果确实需要通过环境变量传递敏感信息，至少要做到：

• 代码不要提交到版本控制系统（比如Git），最好用本地环境变量或者加密配置文件（添加到.gitignore）来注入这些值。
• 绝对不要在训练日志里打印敏感值（像你示例里的print(api_key)在生产环境一定要删掉，避免泄露信息）。

二、环境变量的通用限制 #

• 所有环境变量的总大小不能超过4KB，不要尝试传递过大的配置内容。
• 变量名只能包含字母、数字和下划线，不能有空格或特殊字符（比如-、@）。
• 不要使用以SAGEMAKER_开头的变量名，避免和SageMaker内部使用的环境变量冲突。

三、额外验证小技巧 #

如果担心环境变量没传递成功，可以在训练脚本里做简单的验证（注意过滤敏感信息）：

import os

# 检查目标变量是否存在
if 'MY_API_KEY' not in os.environ:
    raise ValueError("环境变量MY_API_KEY未配置！")

# 打印非敏感的环境变量（避免泄露密钥）
for key, value in os.environ.items():
    if not any(kw in key for kw in ['KEY', 'SECRET', 'PASSWORD']):
        print(f"{key}: {value}")

备注：内容来源于stack exchange，提问作者TomC