我正在尝试将MLFlow服务器与我在GCP上的Kubeflow集群集成在一起。为此，我创建一个MLFlow部署，并使用Loadbalancer对其进行公开。
机器学习代码作为pod部署在Kubeflow集群上。 MLflow服务器IP：PORT用于记录参数（例如超参数）和工件（例如模型）。
问题是工件仅记录在docker映像（带有机器学习代码的pod）中。另一方面，在提供MLflow服务器IP：PORT后，参数日志记录可以很好地工作。
这是屏幕截图。
将MLFlow与Kubeflow集成
•
问答
hebeipl 回答：将MLFlow与Kubeflow集成
简单的解决方案是创建一个卷并将其安装到ml模式容器和mlflow容器上。这仅表明您的文件不在UI可以访问的卷中。请分享有关mlflow pod和ml模型pod的详细信息。 可以说Mod1是您模型的吊舱 Mlflowpod是部署mlflow的地方。 您创建了一个“ Mlflow工件”卷，并将其附加到两个吊舱。并将其设置为mlflow服务的默认后端uri。这肯定会有所帮助。由于两个吊舱都位于同一群集中，因此您面临任何负载平衡或路由问题的可能性非常低。