OpenTelemetry 导出

MLflow 生成的跟踪与 OpenTelemetry 跟踪规范兼容。 因此，可以将 MLflow 跟踪导出到支持 OpenTelemetry 的各种可观测性解决方案。

导出模式

MLflow 支持三种跟踪导出模式：

1. 仅 MLflow 跟踪（默认）：跟踪仅发送到 MLflow 跟踪服务器。
2. 仅 OpenTelemetry：追踪仅发送到 OpenTelemetry 收集器。
3. 双重导出：跟踪数据同时发送到 MLflow Tracking 和 OpenTelemetry 收集器。

OpenTelemetry 导出

默认情况下，MLflow 将跟踪导出到 MLflow 跟踪服务器。 若要仅将跟踪导出到 OpenTelemetry 收集器，请在OTEL_EXPORTER_OTLP_ENDPOINT将OTEL_EXPORTER_OTLP_TRACES_ENDPOINT环境变量（或）设置为 OpenTelemetry 收集器的目标 URL。

import mlflow
import os

# Set the endpoint of the OpenTelemetry Collector
os.environ["OTEL_EXPORTER_OTLP_TRACES_ENDPOINT"] = "http://localhost:4317/v1/traces"
# Optionally, set the service name to group traces
os.environ["OTEL_SERVICE_NAME"] = "<your-service-name>"

# Trace will be exported ONLY to the OTel collector at http://localhost:4317/v1/traces
with mlflow.start_span(name="foo") as span:
    span.set_inputs({"a": 1})
    span.set_outputs({"b": 2})

双重导出 （MLflow + OpenTelemetry）

若要 同时将跟踪 导出到 Databricks MLflow 和另一个 OpenTelemetry 服务，请使用 MLflow 的双重导出配置。 这样就可以将相同的跟踪数据发送到多个目标，而无需在 MLflow 的跟踪功能和现有可观测性基础结构之间进行选择。

启用双重导出

设置 MLFLOW_ENABLE_DUAL_EXPORT 环境变量与 OpenTelemetry 配置一起：

import mlflow
import os

# Enable dual export mode
os.environ["MLFLOW_ENABLE_DUAL_EXPORT"] = "true"

# Configure OpenTelemetry Collector endpoint
os.environ["OTEL_EXPORTER_OTLP_TRACES_ENDPOINT"] = "http://localhost:4317/v1/traces"
os.environ["OTEL_SERVICE_NAME"] = "my-ml-service"

# Configure MLflow tracking URI to Databricks
mlflow.set_tracking_uri("databricks")

# Traces will be exported to BOTH MLflow and the OTel collector
with mlflow.start_span(name="dual_export_example") as span:
    span.set_inputs({"model": "gpt-4", "prompt": "Hello world"})

    # Your ML workflow here
    result = "Generated response"

    span.set_outputs({"response": result})
    span.set_attributes({"token_count": 15})

指标导出

配置指标终结点时，MLflow 可以导出 OpenTelemetry 指标。 这样，就可以在兼容的监视系统中监视持续时间和其他与跟踪相关的指标。

有关 MLflow 导出的指标的完整列表，请参阅 MLflow 导出的指标文档。

启用指标导出

若要将指标导出到 OpenTelemetry 收集器，请设置以下环境变量：

import os

# Enable metrics export
os.environ["OTEL_METRICS_EXPORTER"] = "otlp"
os.environ["OTEL_EXPORTER_OTLP_METRICS_ENDPOINT"] = "http://localhost:4317"

# Optional: Configure metric export interval (in milliseconds)
os.environ["OTEL_METRIC_EXPORT_INTERVAL"] = "60000"  # Export every 60 seconds

OpenTelemetry 采集器

单击以下链接了解有关如何为特定可观测性平台设置 OpenTelemetry 收集器的详细信息：

配置

MLflow 使用标准 OTLP 导出程序将跟踪导出到 OpenTelemetry 收集器实例。 因此，可以使用 OpenTelemetry 支持 的所有配置 。 以下示例将 OTLP 导出程序配置为使用 HTTP 协议而不是默认 gRPC 并设置自定义标头：

export OTEL_EXPORTER_OTLP_TRACES_ENDPOINT="http://localhost:4317/v1/traces"
export OTEL_EXPORTER_OTLP_TRACES_PROTOCOL="http/protobuf"
export OTEL_EXPORTER_OTLP_TRACES_HEADERS="api_key=12345"

后续步骤

• 了解跟踪概念 - 了解 MLflow 的 OpenTelemetry 兼容跟踪的结构
• 为应用添加跟踪功能 - 添加自定义 Span 以丰富 OpenTelemetry 导出的信息
• 调试生产问题 - 使用导出的追踪数据监视生产应用程序