在Python Azure函数中使用AzureML时出现“失败异常：OSError：[Errno 30]只读文件系统”

如何解决在Python Azure函数中使用AzureML时出现“失败异常：OSError：[Errno 30]只读文件系统”

问题

我正在尝试准备一个新实验，然后从Python中的Azure函数向Azure机器学习提交新实验。因此，我为Azure ML工作区注册了一个新的数据集，其中包含使用dataset.register(...用于我的ML模型的训练数据。但是，当我尝试使用以下代码行创建此数据集时

dataset = Dataset.Tabular.from_delimited_files(path = datastore_paths)

然后我得到一个Failure Exception: OSError: [Errno 30] Read-only file system ...。

想法

我知道，如果可能的话，我不应该从Azure函数中写入文件系统。但是我实际上不想将任何内容写入本地文件系统。我只想创建数据集作为对datastore_path下我的Blob存储的引用，然后将其注册到我的Azure Machine Learning工作区。但是看来方法from_delimited_files无论如何都试图写入文件系统（也许有一些缓存？）。
我还知道有一个临时文件夹，允许在其中写入临时文件。但是，我相信我无法真正控制此方法在何处写入数据。我已经尝试在使用os.chdir(tempfile.gettempdir())进行函数调用之前将当前工作目录更改为此临时文件夹，但这没有帮助。

还有其他想法吗？我认为我没有做特别特别的事情...

详细信息

我正在使用python 3.7和azureml-sdk 1.9.0，可以在本地运行python脚本而不会出现问题。我目前使用VSCode使用Azure Functions扩展版本0.23.0（以及用于CI / CD的Azure DevOps管道）进行部署。

这是我的完整堆栈跟踪记录：

Microsoft.Azure.WebJobs.Host.FunctionInvocationException: Exception while executing function: Functions.HttpTrigger_Train
 ---> Microsoft.Azure.WebJobs.Script.Workers.Rpc.RpcException: Result: Failure
Exception: OSError: [Errno 30] Read-only file system: '/home/site/wwwroot/.python_packages/lib/site-packages/dotnetcore2/bin/deps.lock'
Stack:   File "/azure-functions-host/workers/python/3.7/LINUX/X64/azure_functions_worker/dispatcher.py",line 345,in _handle__invocation_request
    self.__run_sync_func,invocation_id,fi.func,args)
  File "/usr/local/lib/python3.7/concurrent/futures/thread.py",line 57,in run
    result = self.fn(*self.args,**self.kwargs)
  File "/azure-functions-host/workers/python/3.7/LINUX/X64/azure_functions_worker/dispatcher.py",line 480,in __run_sync_func
    return func(**params)
  File "/home/site/wwwroot/HttpTrigger_Train/__init__.py",line 11,in main
    train()
  File "/home/site/wwwroot/shared_code/train.py",line 70,in train
    dataset = Dataset.Tabular.from_delimited_files(path = datastore_paths)
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/data/_loggerfactory.py",line 126,in wrapper
    return func(*args,**kwargs)
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/data/dataset_factory.py",line 308,in from_delimited_files
    quoting=support_multi_line)
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/dataprep/api/readers.py",line 100,in read_csv
    df = Dataflow._path_to_get_files_block(path,archive_options)
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/dataprep/api/dataflow.py",line 2387,in _path_to_get_files_block
    return datastore_to_dataflow(path)
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/dataprep/api/_datastore_helper.py",line 41,in datastore_to_dataflow
    datastore,datastore_value = get_datastore_value(source)
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/dataprep/api/_datastore_helper.py",line 83,in get_datastore_value
    _set_auth_type(workspace)
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/dataprep/api/_datastore_helper.py",line 134,in _set_auth_type
    get_engine_api().set_aml_auth(SetAmlAuthMessageArgument(AuthType.SERVICEPRINCIPAL,json.dumps(auth)))
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/dataprep/api/engineapi/api.py",line 18,in get_engine_api
    _engine_api = EngineAPI()
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/dataprep/api/engineapi/api.py",line 55,in __init__
    self._message_channel = launch_engine()
  File "/home/site/wwwroot/.python_packages/lib/site-packages/azureml/dataprep/api/engineapi/engine.py",line 300,in launch_engine
    dependencies_path = runtime.ensure_dependencies()
  File "/home/site/wwwroot/.python_packages/lib/site-packages/dotnetcore2/runtime.py",line 141,in ensure_dependencies
    with _FileLock(deps_lock_path,raise_on_timeout=timeout_exception):
  File "/home/site/wwwroot/.python_packages/lib/site-packages/dotnetcore2/runtime.py",line 113,in __enter__
    self.acquire()
  File "/home/site/wwwroot/.python_packages/lib/site-packages/dotnetcore2/runtime.py",line 72,in acquire
    self.lockfile = os.open(self.lockfile_path,os.O_CREAT | os.O_EXCL | os.O_RDWR)

   at Microsoft.Azure.WebJobs.Script.Description.WorkerFunctionInvoker.InvokeCore(Object[] parameters,FunctionInvocationContext context) in /src/azure-functions-host/src/WebJobs.Script/Description/Workers/WorkerFunctionInvoker.cs:line 85
   at Microsoft.Azure.WebJobs.Script.Description.FunctionInvokerBase.Invoke(Object[] parameters) in /src/azure-functions-host/src/WebJobs.Script/Description/FunctionInvokerBase.cs:line 85
   at Microsoft.Azure.WebJobs.Script.Description.FunctionGenerator.Coerce[T](Task`1 src) in /src/azure-functions-host/src/WebJobs.Script/Description/FunctionGenerator.cs:line 225
   at Microsoft.Azure.WebJobs.Host.Executors.FunctionInvoker`2.InvokeAsync(Object instance,Object[] arguments) in C:\projects\azure-webjobs-sdk-rqm4t\src\Microsoft.Azure.WebJobs.Host\Executors\FunctionInvoker.cs:line 52
   at Microsoft.Azure.WebJobs.Host.Executors.FunctionExecutor.InvokeAsync(IFunctionInvoker invoker,ParameterHelper parameterHelper,CancellationTokenSource timeoutTokenSource,CancellationTokenSource functionCancellationTokenSource,Boolean throwOnTimeout,TimeSpan timerInterval,IFunctionInstance instance) in C:\projects\azure-webjobs-sdk-rqm4t\src\Microsoft.Azure.WebJobs.Host\Executors\FunctionExecutor.cs:line 587
   at Microsoft.Azure.WebJobs.Host.Executors.FunctionExecutor.ExecuteWithWatchersAsync(IFunctionInstanceEx instance,ILogger logger,CancellationTokenSource functionCancellationTokenSource) in C:\projects\azure-webjobs-sdk-rqm4t\src\Microsoft.Azure.WebJobs.Host\Executors\FunctionExecutor.cs:line 532
   at Microsoft.Azure.WebJobs.Host.Executors.FunctionExecutor.ExecuteWithLoggingAsync(IFunctionInstanceEx instance,IFunctionOutputDefinition outputDefinition,CancellationTokenSource functionCancellationTokenSource) in C:\projects\azure-webjobs-sdk-rqm4t\src\Microsoft.Azure.WebJobs.Host\Executors\FunctionExecutor.cs:line 470
   at Microsoft.Azure.WebJobs.Host.Executors.FunctionExecutor.ExecuteWithLoggingAsync(IFunctionInstanceEx instance,FunctionStartedMessage message,FunctionInstanceLogEntry instanceLogEntry,CancellationToken cancellationToken) in C:\projects\azure-webjobs-sdk-rqm4t\src\Microsoft.Azure.WebJobs.Host\Executors\FunctionExecutor.cs:line 278
   --- End of inner exception stack trace ---
   at Microsoft.Azure.WebJobs.Host.Executors.FunctionExecutor.ExecuteWithLoggingAsync(IFunctionInstanceEx instance,CancellationToken cancellationToken) in C:\projects\azure-webjobs-sdk-rqm4t\src\Microsoft.Azure.WebJobs.Host\Executors\FunctionExecutor.cs:line 325
   at Microsoft.Azure.WebJobs.Host.Executors.FunctionExecutor.TryExecuteAsyncCore(IFunctionInstanceEx functionInstance,CancellationToken cancellationToken) in C:\projects\azure-webjobs-sdk-rqm4t\src\Microsoft.Azure.WebJobs.Host\Executors\FunctionExecutor.cs:line 117

解决方法

问题是我的虚拟环境中的OS版本不兼容。

PramodValavala-MSFT非常感谢他提出创建docker容器的想法！遵循他的建议，我突然收到dataset = Dataset.Tabular.from_delimited_files(path = datastore_paths)命令的以下错误消息：

异常：NotImplementedError：不支持的Linux发行版debian 10。

这使我想起了天蓝色机器学习文档中的以下警告：

某些数据集类对Azureml-dataprep有依赖性软件包，仅与64位Python兼容。对于Linux用户，这些类仅在以下发行版中受支持：红色 Hat Enterprise Linux（7、8），Ubuntu（14.04、16.04、18.04），Fedora（27， 28），Debian（8、9）和CentOS（7）。

选择预定义的Docker映像2.0-python3.7（运行Debian 9）而不是3.0-python3.7（运行Debian 10）解决了该问题（请参阅https://hub.docker.com/_/microsoft-azure-functions-python）。

我怀疑我最初使用的默认虚拟环境也运行在不兼容的操作系统上。

在Python Azure函数中使用AzureML时出现“失败异常：OSError：[Errno 30]只读文件系统”

如何解决在Python Azure函数中使用AzureML时出现“失败异常：OSError：[Errno 30]只读文件系统”

问题

想法

详细信息

解决方法

相关推荐