跳到主要内容

常见问题

问：我在 MLflow UI 中无法打开我的追踪。我该怎么办？​

追踪在 MLflow UI 中无法查看可能有多种原因。

  1. 追踪尚未完成：如果追踪仍在收集过程中，MLflow 无法在 UI 中显示跨度（span）。请确保所有跨度都以 "OK" 或 "ERROR" 状态正确结束。

  2. 浏览器缓存已过期：当您将 MLflow 升级到新版本时，浏览器缓存可能包含过期数据，阻止 UI 正确显示追踪。请清除浏览器缓存（Shift+F5）并刷新页面。

问：模型执行卡住，我的追踪一直处于“进行中”状态。​

有时模型或代理卡在长时间运行的操作或无限循环中，导致追踪卡在“进行中”状态。

为防止这种情况，您可以使用 MLFLOW_TRACE_TIMEOUT_SECONDS 环境变量为追踪设置超时。如果追踪超过超时时间，MLflow 将自动以 ERROR 状态停止追踪并将其导出到后端，以便您可以分析跨度来识别问题。默认情况下，超时未设置。

注意

超时仅适用于 MLflow 追踪。即使追踪被停止，主程序、模型或代理仍将继续运行。

例如，以下代码将超时设置为 5 秒，并模拟 MLflow 如何处理长时间运行的操作

import mlflow
import os
import time

# Set the timeout to 5 seconds for demonstration purposes
os.environ["MLFLOW_TRACE_TIMEOUT_SECONDS"] = "5"


# Simulate a long-running operation
@mlflow.trace
def long_running():
    for _ in range(10):
        child()


@mlflow.trace
def child():
    time.sleep(1)


long_running()
注意

MLflow 在后台线程中监控追踪执行时间和到期情况。默认情况下，此检查每秒执行一次，资源消耗可以忽略不计。如果您想调整间隔，可以设置 MLFLOW_TRACE_TIMEOUT_CHECK_INTERVAL_SECONDS 环境变量。

问：进行多线程操作时，我的追踪被分割成多个追踪。如何将它们合并为一个追踪？​

由于 MLflow 追踪依赖于 Python ContextVar，每个线程默认拥有自己的追踪上下文，但可以通过一些额外步骤为多线程应用生成单个追踪。有关更多信息，请参阅多线程部分。