código aberto MLflow vs. gerenciar MLflow on Databricks

O código aberto MLflow fornece o modelo de dados principal e SDKs, enquanto o gerenciar MLflow em Databricks adiciona:

• Escalável para produção — Ingestão de rastreamento de alto volume para cargas de trabalho de produção
• Avaliação/monitoramento avançado - por meio da integração da Avaliação de agentes
• Integrado com o Lakehouse - Todos os dados estão disponíveis como Delta Tables para uso em casos de uso downstream BI e analítico via Notebook, Databricks SQL e Databricks AI/BI dashboards
• Governança pronta para a empresa - por meio da integração com o Unity Catalog
• hosting totalmente gerenciado - gerenciamento de infraestrutura zero

dica

Seus dados são sempre seus - O modelo de dados principal e os recursos de rastreamento são totalmente de código aberto. O senhor pode exportar e usar seus dados do MLflow em qualquer lugar.

Principais diferenças em um relance

Comparação da visão geral

Recurso	MLflow de código aberto	MLflow gerenciado na Databricks
Rastreando a observabilidade do &
Rastreamento do modelo de dados & APIs	✅	✅
Ingestão de traços em escala de produção	❌	✅
Monitoramento da produção	❌	✅
Avaliação do GenAI & monitoramento
Modelo de dados de avaliação & APIs	✅	✅
UI e APIs com feedback humano	❌	✅
Juízes de LLM de alta qualidade e com base em pesquisa	❌	✅
Conjunto de dados de avaliação com versão	❌	✅
Prontidão empresarial
hospedagem	Autogerenciadas	Totalmente gerenciado
Governança corporativa (Unity Catalog)	❌	✅
Dados integrados com a lakehouse para AI/BI & SQL	❌	✅
CI/CD implantação Trabalho	❌	✅
LLM / MLOps
Gerenciamento imediato	✅	✅
Acompanhamento de experiments	✅	✅
Gerenciamento de versões de modelos/aplicativos	✅	✅

Por que escolher a gerenciar MLflow?

gerenciar MLflow em Databricks amplia o código aberto MLflow com recursos projetados para aplicativos GenAI de produção:

Escalável para produção

• Ingestão de rastreamento de alto volume projetada para cargas de trabalho de produção com milhares de solicitações por segundo
• Dimensionamento automático sem gerenciamento de infraestrutura
• Monitoramento da produção com painéis de controle e alertas integrados

Avaliação e monitoramento avançados

• A integração da avaliação de agentes fornece juízes de alta qualidade em LLM, UIs de rótulos humanos e conjunto de dados de avaliação com versão
• O monitoramento contínuo avalia automaticamente os traços de produção
• Painéis de qualidade visualizam tendências e identificam problemas

Integrado com a casa do lago & Unity Catalog

• A integração da Lakehouse torna todos os dados de rastreamento, avaliação e monitoramento disponíveis para o fluxo de trabalho downstream usando os recursos do Databricks AI/BI para criar painéis personalizados, análises e relatórios sobre os dados do GenAI
• A governança do Unity Catalog oferece segurança de nível empresarial e controles de acesso

hospedagem totalmente gerenciada

• Gerenciamento de infraestrutura zero - a Databricks cuida de toda a hospedagem, dimensionamento e atualizações
• SLAs corporativos com alta disponibilidade e backups automatizados
• Atualizações contínuas para o mais recente recurso MLflow

Próximas etapas

1. Criar um teste grátis Databricks account
2. O MLflow é pré-instalado e configurado
3. Siga os guias de início rápido para começar