Distribuzione MLflow
Suggerisci modifiche
PDF
Questa sezione descrive le attività che è necessario completare per implementare MLflow nel cluster Kubernetes.
|
È possibile implementare MLflow su piattaforme diverse da Kubernetes. L'implementazione di MLflow su piattaforme diverse da Kubernetes non rientra nell'ambito di questa soluzione. |
Prerequisiti
Prima di eseguire l'esercizio di implementazione descritto in questa sezione, si presuppone che siano già state eseguite le seguenti attività:
-
Hai già un cluster Kubernetes funzionante.
-
NetApp Trident è già stato installato e configurato nel cluster Kubernetes. Per ulteriori informazioni su Trident, fare riferimento alla "Documentazione di Trident".
Installare Helm
MLflow è implementato usando Helm, un noto gestore di pacchetti per Kubernetes. Prima di implementare MLflow, è necessario installare Helm sul nodo di controllo Kubernetes. Per installare Helm, seguire la "istruzioni per l'installazione" nella documentazione ufficiale di Helm.
Impostare la classe di storage Kubernetes predefinita
Prima di implementare MLflow, devi indicare una classe storage predefinita all'interno del cluster Kubernetes. Per designare una StorageClass predefinita all'interno del cluster, segui le istruzioni riportate nella "Implementazione di Kubeflow" sezione. Se è già stata designata una StorageClass predefinita all'interno del cluster, è possibile saltare questo passaggio.
Distribuire MLflow
Una volta soddisfatti i prerequisiti, è possibile iniziare con la distribuzione di MLflow utilizzando il grafico del timone.
Configurare la distribuzione di MLflow Helm Chart.
Prima di distribuire MLflow utilizzando il grafico Helm, è possibile configurare la distribuzione in modo che utilizzi la classe di archiviazione NetApp Trident e modificare altri parametri in base alle proprie esigenze utilizzando un file config.yaml. Un esempio di file config.yaml è disponibile all'indirizzo: https://github.com/bitnami/charts/blob/main/bitnami/mlflow/values.yaml
|
|
È possibile impostare Trident storageClass nel parametro global.defaultStorageClass del file config.yaml (ad esempio storageClass: "ontap-flexvol"). |
Installazione della Helm Chart
Il grafico Helm può essere installato con il file personalizzato config.yaml per MLflow utilizzando il seguente comando:
helm install oci://registry-1.docker.io/bitnamicharts/mlflow -f config.yaml --generate-name --namespace jupyterhub|
|
Il comando implementa MLflow sul cluster Kubernetes nella configurazione personalizzata tramite il file config.yaml fornito. MLflow viene distribuito nello spazio dei nomi specificato e un nome di release casuale viene assegnato tramite kuPensioni per la release. |
Controllare distribuzione
Una volta completata la distribuzione del grafico Helm, è possibile verificare se il servizio è accessibile utilizzando:
kubectl get service -n jupyterhub|
|
Sostituire jupyterhub con lo spazio dei nomi utilizzato durante la distribuzione. |
Vengono visualizzati i seguenti servizi:
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
mlflow-1719843029-minio ClusterIP 10.233.22.4 <none> 80/TCP,9001/TCP 25d
mlflow-1719843029-postgresql ClusterIP 10.233.5.141 <none> 5432/TCP 25d
mlflow-1719843029-postgresql-hl ClusterIP None <none> 5432/TCP 25d
mlflow-1719843029-tracking NodePort 10.233.2.158 <none> 30002:30002/TCP 25d|
|
Il file config.yaml è stato modificato per utilizzare il servizio NodePort per accedere a MLflow sulla porta 30002. |
Accesso a MLflow
Una volta che tutti i servizi relativi a MLflow sono in funzione, è possibile accedervi utilizzando l'indirizzo IP di NodePort o LoadBalancer specificato (ad es. http://10.61.181.109:30002)