如果您是 MLflow 的新手，并希望使用完全托管且完全免费的 MLflow 部署开始使用，这篇博客将向您展示如何在几分钟内开始使用 MLflow。
简化您的 ML 项目：免费开始使用托管式 MLflow
通过 Databricks Community Edition (CE) 探索大数据和机器学习的世界，这是 Databricks 平台的免费限量版1。此版本非常适合初学者以及 Databricks 和 MLflow 的新手，通过提供托管环境简化了学习曲线。它消除了手动设置跟踪服务器的复杂性。Databricks CE 包含托管式 MLflow，可高效管理和可视化您的 MLflow 实验。这使其成为在用户友好界面中开发机器学习项目的首选，您可以从您喜爱的 IDE、笔记本环境，甚至从 Databricks CE 的笔记本中连接。
使用 Databricks CE 进行 MLflow 的优势
MLflow 是一个与任何平台兼容的开源框架，但在 Databricks（包括社区版 CE）上使用时，与在其他平台上使用相比，它具有明显的优势。这些优势包括
-
经济实惠：免费使用，Databricks CE 上的 MLflow 非常适合教育目的和小型项目。
-
设置简单：从任何位置访问完全托管的跟踪服务器和用户界面。要连接到 Databricks CE，只需执行
mlflow.login()。 -
轻松共享：在 Databricks 生态系统中，共享您的笔记本非常简单方便。
-
无缝集成：Databricks CE 允许直接存储和可视化 MLflow 实验、运行和模型。
-
可扩展性：Databricks CE 上的 MLflow 为扩展您的项目提供了一条轻松的途径。它还可以与 Databricks 平台上提供的各种数据工具无缝集成。
场景
在本博客中，我们将逐步介绍如何在本地设备上运行 ML 实验，并在 Databricks CE 上托管的 MLflow 跟踪服务器上跟踪它们
为了让您了解运行 MLflow 的可用选项，下图显示了常见设置配置的可能性。
在本博客中，我们将展示 #3，即使用远程（完全托管的）跟踪服务器。
分步指南
1. 创建 Databricks CE 账户
如果您还没有，可以注册一个免费账户。过程很快，通常不超过 3 分钟。
填写注册表单并选择“开始使用社区版”。
注册后，您将获得有关如何设置可用于登录 CE 的密码的信息2。
2. 安装依赖项
在开始之前，请确保已安装必要的软件包。在您喜爱的 IDE 或笔记本中从您的设备运行以下命令
%pip install -q mlflow databricks-sdk
3. 设置 Databricks CE 认证
Databricks Community Edition (CE) 的主要优势在于其便利性：它提供 MLflow 跟踪服务器，无需本地基础设施设置。创建 CE 账户后，您可以通过mlflow.login() 函数轻松访问此服务器，简化了 MLflow 实验跟踪流程。
要使用 Databricks CE 进行认证，请使用mlflow.login() 函数。这将提示您输入
-
Databricks 主机:
https://community.cloud.databricks.com/ -
用户名: 您的 Databricks CE 电子邮件地址。
-
密码: 您的 Databricks CE 密码。
认证成功后，您将看到一条确认消息。
import mlflow
mlflow.login()
# Follow the prompts for authentication
4. 连接到托管式 MLflow 并使用 Databricks CE 跟踪实验
从本地计算机登录后，使用mlflow.set_experiment() 启动实验并记录一些指标。例如
mlflow.set_experiment("/Users/\<email>/check-databricks-ce-connection")
with mlflow.start_run():
mlflow.log_metric("foo", 1)
mlflow.log_metric("bar", 2)
注意：Databricks 环境要求您使用目录（从根目录）设置实验
/Users/{your email address for your account}/{name of your experiment}，这与自托管 MLflow（以及在本地运行 MLFlow 时）的行为不同。
5. 在 Databricks CE 中查看您的实验
现在让我们导航到 Databricks CE 查看实验结果。登录您的Databricks CE 账户，点击左上方在下拉列表中选择“机器学习”。最后，点击实验图标。请参见下面的截图
导航到机器学习部分
导航到 MLflow UI
在“实验”视图中，您应该能够找到实验 /Users/{your email}/check-databricks-ce-connection，类似于
单击运行名称（在此示例中是 'youthful-lamb-287'；请注意，您将在 CE 控制台中看到一个不同的随机生成名称），将带您进入类似于以下内容的运行视图
在运行视图中，您将看到我们的虚拟指标“foo”和“bar”已成功记录。
6. 在 Databricks CE 中运行任何 MLflow 教程
如果您想尝试 MLflow 网站上的教程，可以使用 Databricks CE 快速测试（如果愿意，还可以修改）该教程。例如，如果您想测试创建自定义 Pyfunc 教程
- 点击“工作区”并选择“导入笔记本”
-
使用“URL”选项直接从 MLflow 文档网站导入笔记本。对于此示例，要导入，请将 URL 的最后一个元素从
html替换为ipynb。这适用于 MLflow 网站上托管的任何教程或指南笔记本。.../notebooks/basic-pyfunc.
html→ .../notebooks/basic-pyfunc.ipynb3
结论
Databricks Community Edition (CE) 提供了一个可访问的协作平台，用于 MLflow 实验跟踪，具有多种优势。其设置过程轻松快捷，提供用户友好的体验。此外，它免费使用，是初学者、学习者和小型项目的理想选择。
开始使用
在 Databricks 上试用该笔记本
延伸阅读
-
了解更多关于设置跟踪服务器的不同方法
-
了解更多关于在 Databricks CE 中运行教程笔记本