Azure Databricks 외부에서 MLflow 추적 서버에 액세스

  • 아티클

사용자 고유의 애플리케이션 또는 MLflow CLI에서 MLflow 추적 서버에 로그할 수 있습니다.

이 문서에서는 필요한 구성 단계를 설명합니다. 먼저 MLflow를 설치하고 자격 증명을 구성합니다(1단계). 그런 다음, 애플리케이션을 구성하거나(2단계) MLflow CLI를 구성할 수 있습니다(3단계).

오픈 소스 추적 서버를 시작하고 로그하는 방법에 대한 자세한 내용은 오픈 소스 설명서를 참조하세요.

1단계: 환경 구성

Azure Databricks 계정이 없는 경우 Databricks를 무료로 사용해 볼 수 있습니다.

Azure Databricks 호스팅 MLflow 추적 서버에 액세스하도록 환경을 구성하려면 다음을 수행합니다.

  1. 를 사용하여 MLflow를 설치합니다 pip install mlflow.
  2. 인증을 구성합니다. 다음 중 하나를 수행합니다.

    • REST API 토큰을 생성하고 를 사용하여 databricks configure --token자격 증명 파일을 만듭니다.

    • 환경 변수를 통해 자격 증명을 지정합니다.

      # 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="..."

2단계: MLflow 애플리케이션 구성

자격 증명 파일을 만드는 동안 을 통해 --profile 프로필 이름을 지정한 경우 추적 URI를 databricks또는 databricks://<profileName>로 설정하여 Azure Databricks에 로그하도록 MLflow 애플리케이션을 구성합니다. 예를 들어 환경 변수를 MLFLOW_TRACKING_URI "databricks"로 설정하여 이를 달성할 수 있습니다.

3단계: MLflow CLI 구성

환경 변수와 Azure Databricks 추적 서버와 통신하도록 MLflow CLI를 MLFLOW_TRACKING_URI 구성합니다. 예를 들어 추적 URI databricks와 함께 CLI를 사용하여 실험을 만들려면 다음을 실행합니다.

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