Partilhar via

Aceder ao servidor de controlo do MLflow a partir de fora do Azure Databricks

  • Artigo

Pode querer iniciar sessão no servidor de controlo do MLflow a partir das suas próprias aplicações ou da CLI do MLflow.

Este artigo descreve os passos de configuração necessários. Comece por instalar o MLflow e configurar as suas credenciais (Passo 1). Em seguida, pode configurar uma aplicação (Passo 2) ou configurar a CLI do MLflow (Passo 3).

Para obter informações sobre como iniciar e iniciar sessão num servidor de controlo open source, veja a documentação do open source.

Passo 1: Configurar o ambiente

Se não tiver uma conta do Azure Databricks, pode experimentar o Databricks gratuitamente.

Para configurar o ambiente para aceder ao servidor de controlo do MLflow alojado no Azure Databricks:

  1. Instale o MLflow com pip install mlflow.
  2. Configurar a autenticação. Efetue um dos seguintes:

    • Gere um token de API REST e crie um ficheiro de credenciais com databricks configure --token.

    • Especifique as credenciais através de variáveis de ambiente:

      # Configure MLflow to communicate with a Databricks-hosted tracking server
export MLFLOW_TRACKING_URI=databricks
# Specify the workspace hostname and token
export DATABRICKS_HOST="..."
export DATABRICKS_TOKEN="..."

Passo 2: Configurar aplicações do MLflow

Configure aplicações do MLflow para iniciar sessão no Azure Databricks ao definir o URI de controlo como databricks, ou databricks://<profileName>, se tiver especificado um nome de perfil através --profile da criação do ficheiro de credenciais. Por exemplo, pode fazê-lo ao definir a variável de MLFLOW_TRACKING_URI ambiente como "databricks".

Passo 3: Configurar a CLI do MLflow

Configure a CLI do MLflow para comunicar com um servidor de controlo do Azure Databricks com a variável de MLFLOW_TRACKING_URI ambiente. Por exemplo, para criar uma experimentação com a CLI com o URI databricksde controlo , execute:

# Replace <your-username> with your Databricks username
export MLFLOW_TRACKING_URI=databricks
mlflow experiments create -n /Users/<your-username>/my-experiment