日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

AI 助理
備案控制臺
文檔
輸入文檔關鍵字查找
首頁 容器服務 Kubernetes 版 ACK 云原生AI套件 操作指南 環境準備 配置MLflow模型倉庫

配置MLflow模型倉庫

更新時間：
產品詳情
我的收藏

MLflow是一個開源的機器學習生命周期管理平臺，可以用來追蹤模型訓練信息、管理和部署機器學習模型。本文介紹如何為模型管理功能配置MLflow模型倉庫。

MLflow模型倉庫介紹

關于MLflow模型倉庫功能的詳細介紹，請參見MLflow Model Registry — MLflow documentation。

前提條件

  • 已創建ACK Pro集群且Kubernetes版本不低于1.20。具體操作，請參見創建ACK Pro版集群。

  • 已創建RDS PostgreSQL實例。具體操作，請參見創建RDS PostgreSQL實例。

    建議創建RDS PostgreSQL實例時優先選擇ACK集群所在的VPC并將VPC所在的網段加入白名單，這樣可以使用內網地址訪問數據庫。如果RDS實例和ACK集群位于不同的VPC內，請確保RDS開啟了公網訪問，并將ACK集群的VPC網段加入白名單中。具體操作，請參見設置白名單。

  • 在RDS PostgreSQL實例中創建一個名為mlflow的普通賬號。具體操作，請參見創建賬號。

  • 在RDS PostgreSQL實例創建一個名為mlflow_store的數據庫用于存儲模型元數據，并將其授權賬號設置為mlflow賬號。具體操作，請參見創建數據庫。

  • （可選）在RDS PostgreSQL實例創建一個名為mlflow_basic_auth的數據庫用于存儲MLflow用戶認證信息，并將其授權賬號設置為mlflow賬號。具體操作，請參見創建數據庫。

  • 已配置Arena客戶端用于進行模型管理，Arena版本需為0.9.14及以上版本。具體操作，請參見配置Arena客戶端。

步驟一：在ACK集群中部署MLflow

  1. 登錄容器服務管理控制臺，在左側導航欄選擇集群。

  2. 在集群列表頁面，單擊目標集群名稱，然后在左側導航欄，選擇應用 > Helm。

  3. 單擊創建，然后在創建頁面，將應用名設置為mlflow、命名空間設置為kube-ai，在Chart區域的搜索欄搜索并選中mlflow，完成后單擊下一步，在彈出的對話框中，確認是否采用mlflow為Chart的默認的命名空間。

    • 如果需要通過AI套件開發控制臺進行模型管理，需要將mlflow部署在kube-ai命名空間中，發布名稱需保持為默認值mlflow。

    • 如果需要通過Arena進行模型管理，可以將Mlflow部署在任意命名空間中，但是發布名稱需保持為默認值mlflow。

  4. 在創建頁面，配置Chart的參數。

    1. 配置defaultArtifactRoot及backendStore參數，配置示例如下所示。

      trackingServer:
  # -- Specifies which mode mlflow tracking server run with, available options are `serve-artifacts`, `no-serve-artifacts` and `artifacts-only`
  mode: no-serve-artifacts
  # -- Specifies a default artifact location for logging, data will be logged to `mlflow-artifacts/:` if artifact serving is enabled, otherwise `./mlruns`
  defaultArtifactRoot: "./mlruns"
  
# For more information about how to configure backend store, please visit https://mlflow.org/docs/latest/tracking/backend-stores.html
backendStore:
  # -- Backend store uri e.g. `<dialect>+<driver>://<username>:<password>@<host>:<port>/<database>`
  backendStoreUri: postgresql+psycopg2://mlflow:<password>@pgm-xxxxxxxxxxxxxx.pg.rds.aliyuncs.com/mlflow_store

      其中，backendStore.backendStoreUri請替換成前提條件中創建的mlflow_store數據庫訪問地址，例如postgresql+psycopg2://mlflow:<password>@pgm-xxxxxxxxxxxxxx.pg.rds.aliyuncs.com/mlflow_store。

      重要

      如果RDS實例和ACK集群位于同一VPC中，請使用RDS內網連接地址，否則請使用RDS外網地址，并確保ACK集群能夠訪問。

      登錄RDS PostgreSQL控制臺，依次單擊實例ID > 數據庫連接 > 內/外網地址，獲取pgm-xxxxxxxxxxxxxx.pg.rds.aliyuncs.com數據庫地址。

      更多信息，請參見連接數據庫。

    2. （可選）如需開啟BasicAuth，請配置如下參數。

      trackingServer:
  # -- Specifies which mode mlflow tracking server run with, available options are `serve-artifacts`, `no-serve-artifacts` and `artifacts-only`
  mode: no-serve-artifacts
  # -- Specifies a default artifact location for logging, data will be logged to `mlflow-artifacts/:` if artifact serving is enabled, otherwise `./mlruns`
  defaultArtifactRoot: "./mlruns"
  
  # Basic authentication configuration,
  # for more information, please visit https://mlflow.org/docs/latest/auth/index.html#configuration
  basicAuth:
    # -- Specifies whether to enable basic authentication
    enabled: true
    # -- Default permission on all resources, available options are `READ`, `EDIT`, `MANAGE` and `NO_PERMISSIONS`
    defaultPermission: NO_PERMISSIONS
    # -- Database location to store permissions and user data e.g. `<dialect>+<driver>://<username>:<password>@<host>:<port>/<database>`
    databaseUri: postgresql+psycopg2://<username>:<password>@pgm-xxxxxxxxxxxxxx.pg.rds.aliyuncs.com/mlflow_basic_auth
    # -- Default admin username if the admin is not already created
    adminUsername: admin
    # -- Default admin password if the admin is not already created
    adminPassword: password
    # -- Function to authenticate requests
    authorizationFunction: mlflow.server.auth:authenticate_request_basic_auth
    
# For more information about how to configure backend store, please visit https://mlflow.org/docs/latest/tracking/backend-stores.html
backendStore:
  # -- Backend store uri e.g. `<dialect>+<driver>://<username>:<password>@<host>:<port>/<database>`
  backendStoreUri: postgresql+psycopg2://mlflow:<password>@pgm-xxxxxxxxxxxxxx.pg.rds.aliyuncs.com/mlflow_store

      • 替換trackingServer.basicAuth.databaseUri為前提條件中創建的mlflow_basic_auth數據庫的訪問地址，例如postgresql+psycopg2://<username>:<password>@pgm-xxxxxxxxxxxxxx.pg.rds.aliyuncs.com/mlflow_basic_auth。

      • 修改trackingServer.basicAuth.adminUsername和trackingServer.basicAuth.adminPassword參數來配置MLflow管理員的用戶名和初始密碼（僅在管理員用戶還未創建時才會新建管理員用戶）。

    關于MLflow完整的參數配置，請參見MLflow。

步驟二：訪問部署在Kubernetes上的MLflow Web UI

  1. 執行以下命令，將MLflow Web UI服務轉發到本地的5000端口。

    kubectl port-forward -n kube-ai services/mlflow 5000

    預期輸出：

    Forwarding from 127.0.0.1:5000 -> 5000
Forwarding from [::1]:5000 -> 5000
Handling connection for 5000
Handling connection for 5000
...

  2. 從瀏覽器訪問http://127.0.0.1:5000查看MLflow Web UI。

    image

后續操作：模型管理

云原生AI套件支持對MLflow模型倉庫中的模型進行管理，關于如何使用云原生AI套件開發控制臺和Arena命令行工具進行模型管理，請參見對MLflow模型倉庫中的模型進行管理。