kubeflow SDK—kfp进行client实例化操作时报错kfp_server_api.exceptions.ApiException: (400)和ConnectionRefusedError

最近又开始鼓捣kubeflow了，这个看过我文章的话应该有印象，基本上就是去年同期的时候搞过一段时间，后来因为太忙搁置了下来，最近因为项目的需要，可能需要用到这个kubeflow平台，所以又重新捡起来了。

作为一个新手，我的直观理解就是，kubeflow本质就是一个流程编排的工具，底层是基于Argoflow实现的工作流的定义，而定义的工具或者是说途径就是自己提交的pipeline.yaml文件，所有的执行细节和步骤全部都定在这个yaml文件中了。

之前我的方式就是首先开发各个节点的业务代码，之后开发pipeline文件，然后借助于kfp模块提供的dsl-compile编译命令来实现pipeline.yaml文件的编译生成。之后手工在kubeflow平台中提交生成的yaml文件即可，如下：

 点击红框中的【Upload Pipeline】之后跳转如下：

 按照我这里给出来的1-3步骤操作即可完成pipeline.yaml的上传提交。

之后在runs下可以创建run，如下：

 后面就是页面端的操作了，我就不再赘述了。

今天主要讲的不是这些操作，这是手工页面的操作方式，那么有没有可以不用页面直接后端操作呢？当然是可以的了，kubeflow自己提供了可以调用其API的SDK，名字为：kfp，安装kfp后可以实例化client，之后就可以操作了。

这里官方的样例代码如下：

import kfp


client = kfp.Client(host='https://localhost:3000/')
client = kfp.Client()
print(client.list_experiments())

终端执行后报错如下：

 提示认证有问题，然后报的连接错误，这个其实也好理解，自己搭建的kubeflow平台，在域名、ip等部分都做了映射和修改所以直接使用默认的localhost和3000端口，大概率是不可能连接到的，所以这里就报错了。

我修改成自己的IP和PORT之后重新执行报错如下：

 下面的两个报错提示可能是很多很多折腾这个kubeflow的人都会遇上的错误，如下：
错误一：

kfp_server_api.exceptions.ApiException: (400)

错误二：

"Invalid input error: Invalid resource references for experiment. Namespace is empty."

说白了，这里是你能成功连接到自己的集群服务了，但是api服务异常了。

仔细分析其实第二个错误是比较好理解，就是说你的client实例化里面要指定一下自己的namespace，不然的话不知道进入到哪个namespace下，如果你有多个的话。

错误一的话查了很多的资料最后确定是api请求的有问题，应该在端口后面加上pipeline才行。样例如下：

client = kfp.Client(
    host=f"{HOST:PORT}/pipeline",
    cookies=session_cookie,
    namespace=NAMESPACE,
)

需要加入自己的认证cookie和当前的namespace才行。

重新执行终于成功了。执行如下代码，打印实验信息：

print(client.list_experiments(namespace='kubeflow-user-example-com'))

要记得这里也是需要加上自己的namespace的。

输出的experimen信息如下：

 问题成功解决，记录一下！