尝试手动指定键

    s3 = boto3.resource('s3',
         aws_access_key_id=ACCESS_ID,
         aws_secret_access_key= ACCESS_KEY)

出于安全考虑，请确保您没有在代码中直接包含ACCESS_ID和ACCESS_KEY。 考虑使用环境配置，并按照@Tiger_Mike的建议将它们注入到代码中。

对于Prod环境，可以考虑使用旋转访问键: https://docs.aws.amazon.com/IAM/latest/UserGuide/id_credentials_access-keys.html#Using_RotateAccessKey

终端类型:-

aws configure

然后填写密钥和区域。

这之后做下一步使用任何环境。你可以有多个钥匙，这取决于你的帐户。能否管理多个环境或密钥

import boto3
aws_session = boto3.Session(profile_name="prod")
# Create an S3 client
s3 = aws_session.client('s3')

如果您正在寻找另一种方法，请尝试使用 AmazonCLI

终端类型:-

aws configure

然后填写密钥和区域。

对于MLflow，如果不能写入AWS3/MinIO数据湖，则调用MLflow .log_artifact()将引发此错误。

原因是没有在你的python env中设置凭据(就像这两个env变量一样):

os.environ['DATA_AWS_ACCESS_KEY_ID'] = 'login'
os.environ['DATA_AWS_SECRET_ACCESS_KEY'] = 'password'

注意，您也可以使用minio客户端直接访问MLflow构件(除了MLflow的连接外，还需要一个到数据湖的单独连接)。这个客户端可以像这样启动:

minio_client_mlflow = minio.Minio(os.environ['MLFLOW_S3_ENDPOINT_URL'].split('://')[1],
                    access_key=os.environ['AWS_ACCESS_KEY_ID'],
                    secret_key=os.environ['AWS_SECRET_ACCESS_KEY'],
                    secure=False)

如果使用AWS

在我的情况下，我必须在IAM角色中添加以下策略，以允许ec2实例读取ec2标记。这将消除“无法定位凭据”错误 ：

{
"Version": "2012-10-17",
"Statement": [
    {
        "Sid": "VisualEditor0",
        "Effect": "Allow",
        "Action": "ec2:DescribeTags",
        "Resource": "*"
    }
  ]
}

这些指令适用于具有AWS单一用户配置文件的windows机器。确保你的~/。Aws /凭证文件如下所示

[profile_name]
aws_access_key_id = yourAccessId
aws_secret_access_key = yourSecretKey

我必须将AWS_DEFAULT_PROFILEenvironment变量设置为在凭据中找到的profile_name。 然后我的蟒蛇就能连接了。从这里开始

import boto3

# Let's use Amazon S3
s3 = boto3.resource('s3')

# Print out bucket names
for bucket in s3.buckets.all():
    print(bucket.name)