MLflow部署
- 本文档站点的 PDF
单独 PDF 文档的收集
Creating your file...
本节介绍在Kubbernetes集群中部署MLflow所需完成的任务。
可以在Kubnetes以外的平台上部署MLflow。在Kubbernetes以外的平台上部署MLflow不在此解决方案讨论范围之内。 |
前提条件
在执行本节所述的部署练习之前,我们假定您已执行以下任务:
-
您已有一个工作正常的 Kubernetes 集群。
-
您已在Kubbernetes集群中安装并配置NetApp Asta三端存储。有关Astra Trident的详细信息,请参阅 "Astra Trident 文档"。
安装 Helm
MLflow使用Helm进行部署、Helm是Kubernetes常用的软件包管理器。在部署MLflow之前、您必须在Kubelnetes控制节点上安装Helm。要安装Helm、请按照官方Helm文档中的进行操作 "安装说明" 。
设置默认 Kubernetes StorageClass
在部署MLflow之前、您必须在Kubbernetes集群中指定一个默认StorageClass。要在集群中指定默认StorageClass、请按照一节中所述的说明进行操作 "Kubeflow 部署" 。如果已在集群中指定默认 StorageClass ,则可以跳过此步骤。
部署MLflow
满足前提条件后、您可以使用Helm图表开始MLflow部署。
配置MLflow Helm Chart部署。
在使用Helm图表部署MLflow之前,我们可以使用*config.yaml*文件将部署配置为使用NetApp Trident存储类并根据需要更改其他参数。有关*config.yaml文件的示例,请访问: https://github.com/bitnami/charts/blob/main/bitnami/mlflow/values.yaml
您可以在config.yaml文件中的*。global.defaultStorageClass*参数下设置Trident存储类(例如、存储类:"ONTAP FlexVol ")。 |
安装Helm图表
使用以下命令,可以将Helm图表与MLflow的自定义*config.yaml*文件一起安装:
helm install oci://registry-1.docker.io/bitnamicharts/mlflow -f config.yaml --generate-name --namespace jupyterhub
命令通过提供的*config.yaml*文件在自定义配置中的Kubernetes集群上部署MLflow。MLflow部署在给定命名空间中、并通过Kubnetes为此版本随机指定版本名称。 |
检查部署
完成Helm图表部署后、您可以使用以下命令检查此服务是否可访问:
kubectl get service -n jupyterhub
将*jupyterhub*替换为部署期间使用的命名空间。 |
您应看到以下服务:
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
我们编辑了config.yaml文件以使用NodePort服务访问端口30002上的MLflow。 |
访问MLflow
当所有与MLflow相关的服务都启动并运行后,您可以使用给定的nodePort或负载平衡器IP地址(例如)访问它 http://10.61.181.109:30002。