Partilhar via

Acessar o servidor de rastreamento MLflow de fora do Azure Databricks

  • Artigo

Você pode querer fazer login no servidor de rastreamento MLflow de seus próprios aplicativos ou da CLI MLflow.

Este artigo descreve as etapas de configuração necessárias. Comece instalando o MLflow e configurando suas credenciais (Etapa 1). Em seguida, você pode configurar um aplicativo (Etapa 2) ou configurar a CLI MLflow (Etapa 3).

Para obter informações sobre como iniciar e registrar em um servidor de rastreamento de código aberto, consulte a documentação de código aberto MLflow.

Etapa 1: Configurar seu ambiente

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

Para configurar seu ambiente para acessar seu servidor de rastreamento MLflow hospedado pelo Azure Databricks:

  1. Instale o MLflow usando pip install mlflowo .
  2. Configure a autenticação. Faça uma das seguintes tarefas:

    • Gere um token de API REST e crie um arquivo de credenciais usando databricks configure --token.

    • Especifique credenciais por meio 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="..."

Etapa 2: Configurar aplicativos MLflow

Configure os aplicativos MLflow para fazer logon no Azure Databricks definindo o de URI de rastreamento como databricks, ou databricks://<profileName>, se você especificou um nome de perfil por meio de --profile ao criar seu arquivo de credenciais. Por exemplo, você pode conseguir isso definindo a MLFLOW_TRACKING_URI variável de ambiente como "databricks".

Etapa 3: Configurar a CLI do MLflow

Configure a CLI MLflow para se comunicar com um servidor de rastreamento do Azure Databricks com a MLFLOW_TRACKING_URI variável de ambiente. Por exemplo, para criar um experimento usando a CLI com o URI databricksde rastreamento , execute:

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