O português é fornecido por meio de tradução automática para sua conveniência. O inglês precede o português em caso de inconsistências.

Implantação do MLflow

08/18/2025

PDFs

Esta seção descreve as tarefas que você deve concluir para implantar o MLflow no seu cluster Kubernetes.

É possível implantar o MLflow em outras plataformas além do Kubernetes. A implantação do MLflow em plataformas diferentes do Kubernetes está fora do escopo desta solução.

Pré-requisitos

Antes de executar o exercício de implantação descrito nesta seção, presumimos que você já tenha executado as seguintes tarefas:

Você já tem um cluster Kubernetes funcional.
Você já instalou e configurou o NetApp Trident no seu cluster Kubernetes. Para mais detalhes sobre o Trident, consulte o"Documentação do Trident" .

Instalar o Helm

O MLflow é implantado usando o Helm, um gerenciador de pacotes popular para Kubernetes. Antes de implantar o MLflow, você deve instalar o Helm no seu nó de controle do Kubernetes. Para instalar o Helm, siga as instruções "instruções de instalação" na documentação oficial do Helm.

Definir classe de armazenamento padrão do Kubernetes

Antes de implantar o MLflow, você deve designar uma StorageClass padrão dentro do seu cluster Kubernetes. Para designar uma StorageClass padrão em seu cluster, siga as instruções descritas no"Implantação do Kubeflow" seção. Se você já designou uma StorageClass padrão dentro do seu cluster, pode pular esta etapa.

Implantar MLflow

Depois que os pré-requisitos forem atendidos, você poderá começar a implantação do MLflow usando o gráfico do Helm.

Configurar a implantação do gráfico do MLflow Helm.

Antes de implantar o MLflow usando o gráfico Helm, podemos configurar a implantação para usar a classe de armazenamento NetApp Trident e alterar outros parâmetros para atender às nossas necessidades usando um arquivo config.yaml. Um exemplo do arquivo config.yaml pode ser encontrado em: https://github.com/bitnami/charts/blob/main/bitnami/mlflow/values.yaml

Você pode definir o Trident storageClass no parâmetro global.defaultStorageClass no arquivo config.yaml (por exemplo, storageClass: "ontap-flexvol").

Instalando o Helm Chart

O gráfico Helm pode ser instalado com o arquivo config.yaml personalizado para MLflow usando o seguinte comando:

helm install oci://registry-1.docker.io/bitnamicharts/mlflow -f config.yaml --generate-name --namespace jupyterhub

O comando implanta o MLflow no cluster Kubernetes na configuração personalizada por meio do arquivo config.yaml fornecido. O MLflow é implantado no namespace fornecido e um nome de versão aleatório é fornecido via kubernetes para a versão.

Verificar implantação

Após a implantação do gráfico Helm, você pode verificar se o serviço está acessível usando:

kubectl get service -n jupyterhub

Substitua jupyterhub pelo namespace que você usou durante a implantação.

Você deverá ver os seguintes serviços:

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

Editamos o arquivo config.yaml para usar o serviço NodePort para acessar o MLflow na porta 30002.

Acesse o MLflow

Depois que todos os serviços relacionados ao MLflow estiverem ativos e em execução, você poderá acessá-lo usando o endereço IP NodePort ou LoadBalancer fornecido (por exemplo http://10.61.181.109:30002 )