Databricks外部からの MLflow トラッキング サーバーへのアクセス

独自のアプリケーションまたは MLflow CLI から MLflow トラッキング サーバーにログを記録できます。

この記事では、必要な構成手順について説明します。 まず、MLflow をインストールし、資格情報を構成します (ステップ 1)。 その後、アプリケーションを構成する (ステップ 2) か、MLflow CLI を構成する (ステップ 3) ことができます。

オープンソーストラッキングサーバーを起動してログに記録する方法については、 MLflow オープンソースのドキュメントを参照してください。

ステップ 1: 環境を構成する

Databricks アカウントをお持ちでない場合は、Databricks を無料でお試しいただけます。 「Databricks の使用を開始する」を参照してください。

Databricks でホストされている MLflow 追跡サーバーにアクセスするように環境を構成するには:

1. pip install mlflowを使用してMLflowをインストールします。

2. Databricks サブスクリプションに従って認証を構成します。

   • Community Edition. 次のいずれかの操作を行います。

     • (推奨) mlflow.login() を使用して、資格情報の入力を求められます。

       import mlflow
       
       mlflow.login()
       

       以下は応答の例です。 認証が成功すると、"Databricks に正常にサインインしました!" というメッセージが表示されます。

       2023/10/25 22:59:27 ERROR mlflow.utils.credentials: Failed to sign in Databricks: default auth: cannot configure default credentials
       Databricks Host (should begin with https://): https://community.cloud.databricks.com/
       Username: weirdmouse@gmail.com
       Password: ··········
       2023/10/25 22:59:38 INFO mlflow.utils.credentials: Successfully signed in Databricks!
       

     • 環境変数を使用して資格情報を指定します。

       # Configure MLflow to communicate with a Databricks-hosted tracking server
       export MLFLOW_TRACKING_URI=databricks
       # Specify your Databricks username & password
       export DATABRICKS_USERNAME="..."
       export DATABRICKS_PASSWORD="..."
       

   • Databricks プラットフォーム。 次のいずれかの操作を行います。

     • REST API トークンを生成し、databricks configure --tokenを使用して資格情報ファイルを作成します。

     • 環境変数を使用して資格情報を指定します。

       # Configure MLflow to communicate with a Databricks-hosted tracking server
       export MLFLOW_TRACKING_URI=databricks
       # Specify the workspace hostname and token
       export DATABRICKS_HOST="..."
       export DATABRICKS_TOKEN="..."
       

ステップ 2: MLflow アプリケーションを構成する

資格情報ファイルの作成時に --profile を使用してプロファイル名を指定した場合は 、追跡 URI を databricksまたは databricks://<profileName>に設定して、Databricks にログを記録するように MLflow アプリケーションを構成します。たとえば、 MLFLOW_TRACKING_URI 環境変数を "databricks" に設定することでこれを実現できます。

ステップ 3: MLflow CLI を設定する

MLFLOW_TRACKING_URI 環境変数を使用して Databricks トラッキング サーバーと通信するように MLflow CLI を構成します。たとえば、CLI を使用してエクスペリメントを作成し、トラッキング URI databricksを実行するには、次のコマンドを実行します。

# Replace <your-username> with your Databricks username
export MLFLOW_TRACKING_URI=databricks
mlflow experiments create -n /Users/<your-username>/my-experiment