共享 MLflow 模型
本页介绍如何在工作区中与用户、组和服务主体共享MLflow 模型。 本页面仅适用于工作区模型注册表中的模型。 如果使用 Unity Catalog,请改为参阅模型,了解有关控制对 Unity Catalog 中模型的访问的信息。
注意
任何用户都可在工作区模型注册表中创建和注册模型。 如果要设置创建或注册模型的权限,请使用 Unity Catalog。 有关详细信息,请参阅什么是 Unity Catalog?。
访问控制仅在高级计划中提供。
MLflow 模型权限
可为 MLflow 模型注册表中注册的 MLflow 模型分配六个权限级别:“无权限”、“可读取”、“可编辑”、“可管理暂存版本”、“可管理生产版本”和“可管理”。 该表列出了每个权限赋予用户的能力。
注意
模型版本从其父模型继承权限。 不能为模型版本设置权限。
能力 | 无权限 | 可读取 | 可编辑 | 可管理暂存版本 | 可管理生产版本 | 可管理 |
---|---|---|---|---|---|---|
查看模型详细信息、版本、阶段转换请求、活动以及项目下载 URI | x | X | X | X | x | |
请求模型版本阶段转换 | x | X | X | X | x | |
向模型添加版本 | x | X | X | x | ||
更新模型和版本说明 | x | X | X | x | ||
为模型或模型版本添加或编辑标记 | x | X | X | x | ||
在阶段之间转换模型版本 | x(在“无”、“已存档”和“正在过渡”之间) | x | x | |||
批准或拒绝模型版本阶段转换请求 | x(在“无”、“已存档”和“暂存”之间) | x | x | |||
取消模型版本阶段转换请求(请参阅注意) | x | |||||
重命名模型 | x | |||||
修改权限 | x | |||||
删除模型和模型版本 | x |
工作区管理员具有对其工作区中所有模型的“可管理”权限。 用户自动拥有其创建的模型的“可管理”权限。
注意
阶段转换请求的创建者也可以取消请求。
配置 MLflow 模型权限
本部分介绍如何使用 Azure Databricks 工作区 UI 管理权限。 还可以使用权限 API 或 Databricks Terraform 提供来管理权限。
单击边栏中的“模型”。
单击模型名称。
单击“权限”。 此时会打开“权限设置”对话框
在对话框中,单击“选择用户、组或服务主体...” 下拉列表,然后选择用户、组或服务主体。
从权限下拉菜单中选择权限。
依次点击“添加”、“保存”。
工作区管理员和在注册表范围级别具有“可管理”权限的用户可通过单击“模型”页上的“权限”来设置工作区中所有模型的权限级别。
MLflow 模型项目权限
每个 MLflow 模型版本的模型文件都存储在一个由 MLflow 管理的位置中,其前缀为 dbfs:/databricks/mlflow-registry/
。
若要获取模型版本的文件的确切位置,你必须对模型具有“读取”访问权限。 使用 REST API 终结点 /api/2.0/mlflow/model-versions/get-download-uri
。
获取 URI 后,可以使用 DBFS API 来下载文件。
MLflow 客户端(适用于 Python、Java 和 R)提供了几个简便方法,这些方法可以包装此工作流以下载和加载模型,例如 mlflow.<flavor>.load_model()
。
注意
MLflow 管理的文件位置不支持其他访问机制,例如 dbutils 和 %fs
。