从 Azure Databricks 外部访问 MLflow 跟踪服务器

你可能希望从自己的应用程序或 MLflow CLI 登录到 MLflow 跟踪服务器。

本文介绍所需的配置步骤。 首先安装 MLflow 并配置凭据（步骤 1）。 然后，可以配置应用程序（步骤 2）或配置 MLflow CLI（步骤 3）。

有关如何启动和记录到开源跟踪服务器的信息，请参阅 MLflow 开源文档。

如果没有 Azure Databricks 帐户，可以 免费试用 Databricks。

若要配置环境以访问 Azure Databricks 托管的 MLflow 跟踪服务器，

1. 使用 pip install mlflow 安装 MLflow。

2. 配置身份验证。 执行以下其中之一操作：

   • 生成REST API 令牌并使用databricks configure --token创建凭据文件。

   • 通过环境变量指定凭据：

     # 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="..."
     

将 MLflow 应用程序配置为通过设置跟踪 URI来登录到 Azure Databricks，或者如果在创建凭据文件时指定了配置文件名称，则使用databricks://<profileName>登录，databricks--profile。 例如，可以通过将 MLFLOW_TRACKING_URI 环境变量设置为“databricks”来实现此目的。

将 MLflow CLI 配置为与 Azure Databricks 跟踪服务器与 MLFLOW_TRACKING_URI 环境变量通信。 例如，若要使用 CLI 和跟踪 URI databricks创建试验，请运行：

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