Acceso al servidor de seguimiento de MLflow desde fuera de Azure Databricks

  • Artículo

Es posible que desee iniciar sesión en el servidor de seguimiento de MLflow desde sus propias aplicaciones o desde la CLI de MLflow.

En este artículo, se describen los pasos de configuración necesarios. Para empezar, instale MLflow y configure las credenciales (Paso 1). Luego, puede configurar una aplicación (Paso 2) o la CLI de MLflow (Paso 3).

Para información sobre cómo iniciar un servidor de seguimiento de código abierto e iniciar sesión en él, consulte la documentación de código abierto.

Paso 1: Configuración del entorno

Si no tiene una cuenta de Azure Databricks, puede probar Databricks de manera gratuita.

Si desea configurar el entorno para acceder al servidor de seguimiento de MLflow hospedado en Azure Databricks:

  1. Instale MLflow mediante pip install mlflow.
  2. Configure la autenticación. Haga una de las acciones siguientes:

    • Genere un token de API REST y cree un archivo de credenciales mediante databricks configure --token.

    • Especifique credenciales a través de variables de entorno:

      # 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="..."

Paso 2: Configuración de aplicaciones de MLflow

Configure las aplicaciones de MLflow para iniciar sesión en Azure Databricks; para ello, establezca el URI de seguimiento en databricks, o databricks://<profileName>, si especificó un nombre de perfil a través de --profile al crear el archivo de credenciales. Por ejemplo, puede lograr esto si establece la variable de entorno MLFLOW_TRACKING_URI en "databricks".

Paso 3: Configuración de la CLI de MLflow

Configure la CLI de MLflow para comunicarse con un servidor de seguimiento de Azure Databricks con la variable de entorno MLFLOW_TRACKING_URI. Por ejemplo, para crear un experimento mediante la CLI con el URI de seguimiento databricks, ejecute:

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