共用方式為

從 Azure Databricks 外部存取 MLflow 追蹤伺服器

  • 發行項

您不妨從自己的應用程式或 MLflow CLI 登入 MLflow 追蹤伺服器。

本文說明所需的設定步驟。 首先安裝 MLflow 並設定您的 credentials （步驟 1）。 然後，您可以設定應用程式 (步驟 2) 或設定 MLflow CLI (步驟 3)。

如需如何啟動和記錄至開放原始碼追蹤伺服器的資訊，請參閱 MLflow 開放原始碼文件。

步驟 1：設定環境

如果您沒有 Azure Databricks 帳戶，可以免費試用 Databricks。

若要為存取 Azure Databricks 託管的 MLflow 追蹤伺服器設定環境：

  1. 使用 pip install mlflow 安裝 MLflow。
  2. 設定驗證。 執行下列其中一項：

    • Generate REST API 令牌，並使用 databricks configure --token建立 credentials 檔案。

    • 透過環境變數指定 credentials：

      # 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="..."

步驟 2：設定 MLflow 應用程式

如果您透過建立 credentials 檔案時透過 --profile 指定配置檔名稱，請將 MLflow 應用程式設定為記錄至 Azure Databricks，將追蹤 URI 設定為 databricks或 databricks://<profileName>。 例如，將 MLFLOW_TRACKING_URI 環境變數設定為「databricks」即可完成。

步驟 3：設定 MLflow CLI

將 MLflow CLI 設定為使用 MLFLOW_TRACKING_URI 環境變數與 Azure Databricks 追蹤伺服器通訊。 例如，若要使用 CLI 搭配追蹤 URI databricks 建立實驗，請執行：

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