通过

快速入门：将开发环境连接到 MLflow

本页介绍如何创建 MLflow 试验并将开发环境连接到该试验。

MLflow 试验是生成式 AI 应用程序的容器。 在 试验数据模型 概念指南中详细了解 MLflow 试验。

转到与开发环境相关的部分：

  1. 在本地的 IDE 或笔记本中

  2. Databricks 托管的笔记本

本地开发环境

步骤 1：安装 MLflow

使用 Databricks 连接安装 MLflow：

pip install --upgrade "mlflow[databricks]>=3.1"

步骤 2：创建 MLflow 试验

  1. 打开 Databricks 工作区。

  2. 在左侧边栏中的 “AI/ML”下，单击“ 试验”。

  3. 在“试验”页顶部，单击 GenAI 应用和代理。

创建试验

步骤 3：配置身份验证

注释

这些步骤介绍如何使用 Databricks 个人访问令牌。 MLflow 还适用于其他 Databricks 支持的身份验证方法。

选择以下身份验证方法之一：

环境变量

  1. 在 MLflow 试验中，单击 Kebab 菜单图标 Kebab 菜单图标。>本地记录日志跟踪>，然后单击“生成 API 密钥”。

  2. 在终端中复制并运行生成的代码：

export DATABRICKS_TOKEN=<databricks-personal-access-token>
export DATABRICKS_HOST=https://<workspace-name>.cloud.databricks.com
export MLFLOW_TRACKING_URI=databricks
export MLFLOW_REGISTRY_URI=databricks-uc
export MLFLOW_EXPERIMENT_ID=<experiment-id>

.env 文件

  1. 在 MLflow 试验中，单击 Kebab 菜单图标 Kebab 菜单图标。>本地记录日志跟踪>，然后单击“生成 API 密钥”。

  2. 将生成的代码复制到 .env 项目根目录中的文件：

DATABRICKS_TOKEN=<databricks-personal-access-token>
DATABRICKS_HOST=https://<workspace-name>.cloud.databricks.com
MLFLOW_TRACKING_URI=databricks
MLFLOW_REGISTRY_URI=databricks-uc
MLFLOW_EXPERIMENT_ID=<experiment-id>
  1. 安装 python-dotenv 包：
pip install python-dotenv
  1. 在代码中加载环境变量：
# At the beginning of your Python script
from dotenv import load_dotenv

# Load environment variables from .env file
load_dotenv()

步骤 4：验证连接

创建测试文件并运行此代码以验证您的连接，然后将测试 跟踪 记录到您的 MLflow 实验中：

import mlflow
import os

experiment_id = os.environ.get("MLFLOW_EXPERIMENT_ID")
databricks_host = os.environ.get("DATABRICKS_HOST")
mlflow_tracking_uri = os.environ.get("MLFLOW_TRACKING_URI")

if experiment_id is None or databricks_host is None or mlflow_tracking_uri is None:
    raise Exception("Environment variables are not configured correctly.")

@mlflow.trace
def hello_mlflow(message: str):

    hello_data = {
        "experiment_url": f"{databricks_host}/mlflow/experiments/{experiment_id}",
        "experiment_name": mlflow.get_experiment(experiment_id=experiment_id).name,
        "message": message,
    }
    return hello_data

result = hello_mlflow("hello, world!")
print(result)

hello mlflow

在 Databricks 托管的笔记本中开发

步骤 1：创建笔记本

创建 Databricks Notebook 会创建一个 MLflow 试验，该试验是 GenAI 应用程序的容器。 若要了解有关试验的详细信息，请参阅 数据模型。

  1. 打开 Databricks 工作区。

  2. 转到左侧边栏顶部的“新建”。

  3. 单击 “笔记本”。

步骤 2：安装 MLflow

Databricks 运行时包括 MLflow，但为了获得最佳 GenAI 功能体验，请更新到最新版本：

%pip install --upgrade "mlflow[databricks]>=3.1"
dbutils.library.restartPython()

步骤 3：配置身份验证

在 Databricks Notebook 中工作时不需要其他身份验证配置。 笔记本可以自动访问工作区和关联的 MLflow 试验。

步骤 4：验证连接

在笔记本单元中运行此代码以验证连接。 笔记本单元格下方会出现一个 MLflow 跟踪。

import mlflow
import os

@mlflow.trace
def hello_mlflow(message: str):
    hello_data = {
        "message": message,
    }
    return hello_data

result = hello_mlflow("hello, world!")
print(result)

hello mlflow 笔记本单元格

后续步骤

继续您的旅程，并参考这些推荐的行动和教程。

参考指南

浏览本指南中提到的概念和功能的详细文档。