选择 MLflow 数据存储的位置

MLflow 跟踪服务器存储和管理试验数据、运行和模型。 配置跟踪服务器以控制 MLflow 数据存储的位置以及如何跨不同环境访问试验。

Databricks 托管的跟踪服务器

默认情况下，Databricks 提供一个托管 MLflow 跟踪服务器，用于：

• 无需其他设置或配置
• 在工作区中存储试验数据
• 与 Databricks 笔记本和群集无缝集成

设置活动试验

默认情况下，所有 MLflow 运行都使用活动试验记录到工作区的跟踪服务器。 如果未显式设置试验，则会将运行记录到 笔记本试验中。

通过设置活动试验来控制在 Databricks 中记录运行的位置：

Mlflow.set_experiment（）

为执行中的所有后续运行设置试验。

import mlflow

mlflow.set_experiment("/Shared/my-experiment")

Mlflow.start_run（）

为特定运行设置试验。

with mlflow.start_run(experiment_id="12345"):
    mlflow.log_param("learning_rate", 0.01)

环境变量

为环境中的所有运行设置试验。

import os
os.environ["MLFLOW_EXPERIMENT_NAME"] = "/Shared/my-experiment"
# or
os.environ["MLFLOW_EXPERIMENT_ID"] = "12345"

设置远程 MLflow 跟踪服务器的跟踪

可能需要设置到远程 MLflow 跟踪服务器的连接。 这可能是因为你在本地开发并希望跟踪 Databricks 托管的服务器，或者想要跟踪到其他 MLflow 跟踪服务器。 例如，位于其他工作区中的工作区。

远程跟踪的常见方案：

设置跟踪 URI 和试验

若要将试验记录到远程跟踪服务器，请配置跟踪 URI 和试验路径：

import mlflow

# Set the tracking URI to the remote server
mlflow.set_tracking_uri("databricks://remote-workspace-url")

# Set the experiment path in the remote server
mlflow.set_experiment("/Shared/centralized-experiments/my-project")

# All subsequent runs will be logged to the remote server
with mlflow.start_run():
    mlflow.log_param("model_type", "random_forest")
    mlflow.log_metric("accuracy", 0.95)

身份验证方法

远程跟踪服务器连接需要适当的身份验证。 使用服务主体在个人访问令牌（PAT）或 OAuth 之间进行选择。

PAT

使用 PAT 进行基于令牌的简单身份验证。

优点： 简单设置，适合开发

缺点： 特定于用户，需要手动令牌管理

import os

# Set authentication token
os.environ["DATABRICKS_TOKEN"] = "your-personal-access-token"

# Configure remote tracking
mlflow.set_tracking_uri("databricks://remote-workspace-url")
mlflow.set_experiment("/Shared/remote-experiment")

OAuth （服务主体）

将 OAuth 与自动工作流的服务主体凭据配合使用。

优点： 更适合自动化、集中式标识管理

缺点： 需要服务主体设置和 OAuth 配置

创建服务主体。 请参阅 管理服务主体。

import os

# Set service principal credentials
os.environ["DATABRICKS_CLIENT_ID"] = "your-service-principal-client-id"
os.environ["DATABRICKS_CLIENT_SECRET"] = "your-service-principal-secret"

# Configure remote tracking
mlflow.set_tracking_uri("databricks://remote-workspace-url")
mlflow.set_experiment("/Shared/remote-experiment")