故障排除和常见问题解答

此页面汇总了自托管 MLflow 部署中常见的生产问题以及如何解决它们。

MLflow UI/SDK 运行缓慢

MLflow UI 性能不佳可能有多种原因，但最常见的原因是使用了基于文件的默认后端存储。

当您在没有任何可选配置的情况下使用 mlflow server 命令启动服务器时，MLflow 会使用本地文件系统来存储元数据。这很简单，但会严重限制性能，例如没有索引。

我们通常建议使用基于数据库的后端存储以获得更好的性能。要开始使用，请运行以下命令

bash
mlflow server --backend-store-uri sqlite:///mlflow.db

有关连接到 PostgreSQL 等不同数据库的信息，请参阅后端存储文档。

此外，如果日志记录 SDK 调用缓慢（例如 mlflow.log_metric），您还可以启用异步日志记录以减少开销。

MLflow 对运行和模型使用逻辑删除，以避免意外删除数据。要完全清理已删除的运行和模型，请使用 mlflow gc 命令。

不一定。相同主版本的 SDK 和服务器应能协同工作。此外，v2 和 v3 之间的大部分 API 都向后兼容，以便更顺畅地迁移。

也就是说，我们通常的建议是保持客户端和服务器的更新，以获得最新的功能和错误修复。如果后端版本低于客户端版本，可能会因为表定义不匹配而导致新功能不可用。

如果在升级过程中遇到任何问题，请通过在 GitHub 上打开 issue 来联系 MLflow 团队。