MLflow

Forma parte del lakehouse (visión general y esquema de interacciones).

La plantilla MLflow (categoría Ciencia de datos) despliega un servidor de tracking MLflow: experimentos, runs y registro de modelos en una base PostgreSQL (CloudNativePG) creada con él, artefactos servidos por el servidor en un bucket S3. El acceso web está protegido por el inicio de sesión de la plataforma (el servidor MLflow no tiene autenticación propia): como con Apache Hop, los usuarios y grupos autorizados se gestionan desde Acceso.

Campo	Función
Versión de MLflow	Tag de la imagen ds/mlflow. Vacío = versión del chart.
Bucket S3 de los artefactos, Prefijo en el bucket (pestaña Almacenamiento, bucket obligatorio)	Ubicación de los artefactos, prefijo mlflow por defecto. Fijados en la creación: los runs existentes apuntan ahí.
Endpoint S3, Región S3, Access Key ID, Secret Access Key (pestaña Almacenamiento)	Rellenados por el selector de bucket, modificables después — entrada manual para un S3 externo.
Procesos del servidor	Número de workers del servidor, 2 por defecto.
Límite de memoria, Límite de CPU (pestaña Capacidad)	2Gi y 1000m por defecto.
Tamaño del almacenamiento PostgreSQL (pestaña Capacidad)	5Gi por defecto. Solo se puede ampliar: un volumen no se reduce.

Desde un notebook asociado (MLFLOW_TRACKING_URI prerrellenado, acceso interno sin login): import mlflow; mlflow.set_tracking_uri(os.environ["MLFLOW_TRACKING_URI"]); mlflow.log_metric("accuracy", 0.99). Los artefactos pasan por el servidor: los notebooks no necesitan claves S3.

Eliminación

Eliminar una instancia MLflow también retira su cliente OpenID de la plataforma.