先决条件设置 Amazon CLI 模型设置 mlFlow 基础架构创建 mlFlow 跟踪服务器

使用创建跟踪服务器 Amazon CLI

您可以使用创建跟踪服务器， Amazon CLI 以实现更精细的安全自定义。

先决条件

要使用创建跟踪服务器 Amazon CLI，必须具备以下条件：

访问终端。这可能包括本地 IDE、Amazon EC2 实例或 Amazon CloudShell。
访问开发环境。这可能包括本地 IDE 或 Studio Classic 中的 Jupyter 笔记本环境。
已配置的 Amazon CLI 安装。有关更多信息，请参阅配置 Amazon CLI。
具有适当权限的 IAM 角色。以下步骤要求您的环境具有iam:CreateRole、iam:CreatePolicyiam:AttachRolePolicy、和iam:ListPolicies权限。用于运行本用户指南中步骤的角色需要这些权限。本指南中的说明创建了一个用作 mlFlow 跟踪服务器执行角色的 IAM 角色，以便它可以访问您的 Amazon S3 存储桶中的数据。此外，还会创建一项策略，为通过 mlFlow SDK 与跟踪服务器进行交互的用户的 IAM 角色授予调用 mlFlow API 的权限。有关更多信息，请参阅修改角色权限策略（控制台）。

如果使用 SageMaker Studio 笔记本，请使用这些 IAM 权限更新您的 Studio 用户个人资料的服务角色。要更新服务角色，请导航到 SageMaker 控制台并选择您正在使用的域。然后，在域名下，选择您正在使用的用户配置文件。您将看到此处列出的服务角色。导航到 IAM 控制台，在 “角色” 下搜索服务角色，然后使用允许iam:CreateRole、iam:CreatePolicyiam:AttachRolePolicy、和iam:ListPolicies操作的策略更新您的角色。

设置 Amazon CLI 模型

在终端中按照以下命令行步骤 Amazon CLI 为亚马逊设置 SageMaker 带有 mlFlow 的。

安装更新版本的 Amazon CLI。有关更多信息，请参阅Amazon CLI 用户指南 Amazon CLI中的安装或更新到最新版本的。
使用以下命令验证 Amazon CLI 是否已安装：
```
aws sagemaker help
```
按q退出提示音。

有关问题排查帮助，请参阅解决常见的设置问题。

设置 mlFlow 基础架构

以下部分向您展示如何设置 mlFlow 跟踪服务器以及跟踪服务器所需的 Amazon S3 存储桶和 IAM 角色。

创建 S3 存储桶

在您的终端中，使用以下命令创建通用的 Amazon S3 存储桶：


bucket_name=bucket-name
region=valid-region

aws s3api create-bucket \
  --bucket $bucket_name \
  --region $region \
  --create-bucket-configuration LocationConstraint=$region

该输出值应该类似于以下内容：


{
    "Location": "/bucket-name"
}

设置 IAM 信任策略

使用以下步骤创建 IAM 信任策略。有关角色和信任策略的更多信息，请参阅Amazon Identity and Access Management 用户指南中的角色术语和概念。

在您的终端中，使用以下命令创建一个名为的文件mlflow-trust-policy.json。


cat <<EOF > /tmp/mlflow-trust-policy.json
{
     "Version": "2012-10-17",
     "Statement": [
         {
             "Effect": "Allow",
             "Principal": {
                 "Service": [                     
                      "sagemaker.amazonaws.com"
                 ]
             },
             "Action": "sts:AssumeRole"
         }
     ]
 }
EOF

在您的终端中，使用以下命令创建一个名为的文件custom-policy.json。


cat <<EOF > /tmp/custom-policy.json
{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "s3:Get*",
                "s3:Put*",
                "sagemaker:AddTags",
                "sagemaker:CreateModelPackageGroup",
                "sagemaker:CreateModelPackage",
                "sagemaker:DescribeModelPackageGroup",
                "sagemaker:UpdateModelPackage",
                "s3:List*"
            ],
            "Resource": "*"
        }
    ]
}
EOF

使用信任策略文件创建角色。然后，附上允许 mlFlow 在您的账户中访问亚马逊 S3 和 SageMaker 模型注册表的 IAM 角色策略。mlFlow 必须有权访问 Amazon S3 以访问您的跟踪服务器的工件存储，并有权访问 SageMaker 模型注册表才能自动注册模型。

注意
如果您要更新现有角色，请改用以下命令：aws iam update-assume-role-policy --role-name $role_name --policy-document file:///tmp/mlflow-trust-policy.json。
```
role_name=role-name

aws iam  create-role \
  --role-name $role_name \
  --assume-role-policy-document file:///tmp/mlflow-trust-policy.json

aws iam put-role-policy \
  --role-name $role_name \
  --policy-name custom-policy \
  --policy-document file:///tmp/custom-policy.json

role_arn=$(aws iam get-role --role-name  $role_name --query 'Role.Arn' --output text)
```

创建 mlFlow 跟踪服务器

在您的终端中，使用 create-mlflow-tracking-server API 在您选择的区域创建跟踪服务器。此步骤最多可能需要 25 分钟。

您可以选择使用参数指定跟踪服务器的大小--tracking-server-config。在"Small""Medium"、和之间进行选择"Large"。mlFlow 跟踪服务器的默认配置大小为"Small"。您可以根据跟踪服务器的预计使用情况（例如记录的数据量、用户数量和使用频率）来选择大小。有关更多信息，请参阅 mlFlow 跟踪服务器的大小。

以下命令创建启用了自动模型注册的新跟踪服务器。要停用自动模型配准，请指定--no-automatic-model-registration。

注意

最多可能需要 25 分钟才能完成跟踪服务器的创建。如果创建跟踪服务器的时间超过 25 分钟，请检查您是否拥有必要的 IAM 权限。有关 IAM 权限的更多信息，请参阅为 mlFlow 设置 IAM 权限。成功创建跟踪服务器后，它会自动启动。


ts_name=tracking-server-name
region=valid-region

aws sagemaker create-mlflow-tracking-server \
 --tracking-server-name $ts_name \
 --artifact-store-uri s3://$bucket_name \
 --role-arn $role_arn \
 --automatic-model-registration \
 --region $region

该输出应该类似于以下内容：


{
    "TrackingServerArn": "arn:aws:sagemaker:region:123456789012:mlflow-tracking-server/tracking-server-name"
}

重要

记下跟踪服务器 ARN 以备日后使用。您还需要执行清$bucket_name理步骤。

描述 mlFlow 跟踪服务器

使用 describe-mlflow-tracking-server API 检查 mlFlow 跟踪服务器的创建状态。


aws sagemaker describe-mlflow-tracking-server \
  --mlflow-tracking-server-name $ts_name \
  --region $region

当 mlFlow 跟踪服务器的创建仍在进行中时，TrackingServerStatus是"Creating"。当 mlFlow 跟踪服务器创建完成后，TrackingServerStatus为"Created"。该输出应该类似于以下内容：


{
    "TrackingServerArn": "arn:aws:sagemaker:region:123456789012:mlflow-tracking-server/tracking-server-name",
    "MlflowTrackingServerName": "tracking-server-name",
    "CreationTime": "2024-03-15T19:41:43+00:00",
    "LastModifiedTime": "2024-03-15T19:41:43+00:00",
    "CreatedBy": {},
    "LastModifiedBy": {},
    "ArtifactStoreUri": "s3://bucket-name",
    "TrackingServerConfig": "Small",
    "MlflowVersion": "v2.11.3",
    "TrackingServerStatus": "Created"
}

列出 mlFlow 跟踪服务器

使用 list-mlflow-tracking-servers API 列出 mlFlow 跟踪服务器。


aws sagemaker list-mlflow-tracking-servers \
  --region $region

您的输出应类似于以下内容：


{
    "TrackingServerSummaries": [
        {
            "TrackingServerArn": "arn:aws:sagemaker:region:123456789012:mlflow-tracking-server/tracking-server-name",
            "MlflowTrackingServerName": "tracking-server-name",
            "CreationTime": "2024-04-11T16:58:27+00:00",
            "LastModifiedTime": "2024-04-11T16:58:27+00:00",
            "TrackingServerStatus": "CreatePending",
            "MlflowVersion": "v2.11.3"
        }
    ]
}

默认情况下，跟踪服务器按创建时间降序列出。要更改列表顺序，您可以选择指定--sort-order为Ascending。

您可以选择按以下方式筛选列出的跟踪服务器--tracking-server-status，例如"Creating"或"Created"。

使用--created-after筛选器仅列出在特定日期和时间之后创建的跟踪服务器。列出的跟踪服务器显示日期和时间，例如"2024-03-16T01:46:56+00:00"。该--created-after参数采用 Unix 时间戳。要将日期和时间转换为 Unix 时间戳，请参见EpochConverter。


aws sagemaker list-mlflow-tracking-servers \
  --region $region \
  --sort-order Ascending \
  --tracking-server-status Created \
  --created-after 1712852168

如果您在同一个区域中有多个跟踪服务器，则可以使用--next-token参数在跟踪服务器中进行迭代。


# List one tracking server in a specified Region to get a NextToken
aws sagemaker list-mlflow-tracking-servers \
  --max-results 1 \
  --region $region

# Save the NextToken for this listed tracking server in a variable
next_token=$(aws experiments-beta list-mlflow-tracking-servers \
  --max-results 1 \
  --region $region | jq -r .NextToken)

# Use the NextToken to list the next tracking server and get a new NextToken
aws sagemaker list-mlflow-tracking-servers \
  --max-results 1 \
  --region $region \
  --next-token $next_token

要查看所有可能的列表选项，请运行以下命令：


aws sagemaker list-mlflow-tracking-servers help

停止或启动 mlFlow 跟踪服务器

要停止跟踪服务器，请使用以下命令：


aws sagemaker stop-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

要启动跟踪服务器，请使用以下命令：


aws sagemaker start-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

更新 mlFlow 跟踪服务器

您可以随时更新对象存储 Amazon S3 存储桶、跟踪服务器大小、自动模型注册配置或每周维护时段。必须停止跟踪服务器才能更新。

要更新跟踪服务器并更改工件存储库 URI，请使用以下命令：


aws sagemaker update-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --artifact-store-uri $updated-artifact-store-uri \ 
  --region $region

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

Studio

启动 mlFlow 界面