我正在运行Kubeflow管道（泊坞窗方法），并且集群使用端点导航到仪表板。创建簇之后，按照此链接Deploy Kubeflow中提到的说明进行操作。一切均已成功创建，并且集群生成了端点，并且端点运行正常。
端点链接将类似于https://appname.endpoints.projectname.cloud.goog。
除最后一个管道外，管道的所有工作负荷均正常运行。在上一个工作负载中，我试图将作业提交给cloud-ml引擎。但是它记录显示该应用程序无权访问该项目。这是日志的完整图片。
错误： （gcloud.ml-engine.versions.create）PERMISSION_DENIED：请求已 认证范围不足。
错误： （gcloud.ml-engine.jobs.submit.prediction）用户 [clustername@project_name.iam.gserviceaccount.com] 没有访问项目[project_name]的权限 （或者它可能不存在）：请求的身份验证范围不足。
从日志中很明显，此服务帐户无权访问项目本身。但是，我尝试将Cloud ML Service的访问权限授予该服务帐户，但仍然会引发相同的错误。
将Cloud ML服务凭据提供给此应用程序的任何其他方法。
答案 0 :(得分：1)
检查两件事：
1）GCP IAM：如果clustername-user@projectname.iam.gserviceaccount.com具有ML Engine Admin权限。
2）您的管道DSL：如果cloud-ml引擎步骤调用apply（gcp.use_gcp_secret（'user-gcp-sa'）），例如https://github.com/kubeflow/pipelines/blob/ea07b33b8e7173a05138d9dbbd7e1ce20c959db3/samples/tfx/taxi-cab-classification-pipeline.py#L67