Python 如何在远程Linux机器上设置MLFlow工件sftp存储？

我的目标是将ML流配置为在远程Linux服务器上运行，日志存储在PostgreSQL数据库中，工件存储在/home/aw/mlfow/mllogs中，其中“aw”是具有root权限的用户名

当我运行简单的python代码时（请参阅下面的部分）：

当最后一行（“mlflow.log_artifact（“features.txt”））被注释掉时：Python中没有错误，但是当我通过浏览器输入日志详细信息时，在artifact部分我得到警告：

无法列出存储的工件undersftp://mlflow_user@194.39.141.27:~/mlflow/mlruns/0/d1eb9ce83b6b4ede96a9ea5203c097da/artifacts

如果最后一行处于活动状态，python编译器将返回一长串错误，以

ValueError:Port无法转换为整数值为“~”

我尝试了从CLI以多种不同的方式运行服务器，每次都更改--default artifact root参数（请参见下面的部分）。有趣的是，Python代码中mlflow.get_artifact_uri（）变量的打印输出保持不变，尽管CLI服务器参数发生了更改：它始终显示为

sftp://mlflow_user@94.39.141.27:~/mlflow/mlruns/0/c613c110839946a3adc198377cc82c0c/工件

因此，在从CLI运行MLFlow服务器期间，似乎存在设置此参数的问题。可能它被缓存在某个位置？Linux服务器重新启动没有帮助

复制问题的代码 服务器CLI运行（凭据只是示例）：

备选案文1（基于）：

mlflow服务器——后端存储uri postgresql://mlflow_user:mlflow321@localhost/mlflow_db——默认工件根sftp://mlflow_user@194.39.141.27:~/mlflow/mlruns-h0.0.0-p8000&

选项2.1和2.2（aw是我在计算机上的用户名，具有root权限）：

mlflow服务器——后端存储uri postgresql://mlflow_user:mlflow321@localhost/mlflow_db——默认工件根sftp://aw:aw_pass@194.39.141.27:~/mlflow/mlruns-h0.0.0-p8000&

mlflow服务器——后端存储uri postgresql://mlflow_user:mlflow321@localhost/mlflow_db——默认工件根sftp://aw:@194.39.141.27:~/home/aw/mlflow/mlruns-h0.0.0-p8000&

备选案文3：

mlflow服务器——后端存储uri postgresql://mlflow_user:mlflow321@localhost/mlflow_db——默认工件根sftp://mlflow_user:mlflow_pass#@194.39.141.27:~/mlflow/mlruns-h0.0.0-p8000&

Python代码：

import mlflow

if __name__ == "__main__":
    mlflow.set_tracking_uri("http://194.39.141.27:8000") #hostname IP here is just an example

    features = "rooms, zipcode, median_price, school_rating, transport"
    with open("features.txt", 'w') as f:
        f.write(features)

    with mlflow.start_run():

        tracking_uri = mlflow.get_tracking_uri()
        artifact_uri = mlflow.get_artifact_uri()
        print("Tracking uri: {}".format(tracking_uri))
        print("Artifact uri: {}".format(artifact_uri))

        mlflow.log_artifact("features.txt")

其他信息/日志 Python编译器日志：

File "1.py", line 18, in
mlflow.log_artifact("features.txt")
File "/home/aw/anaconda3/lib/python3.8/site-packages/mlflow/tracking/fluent.py", line 544, in log_artifact
MlflowClient().log_artifact(run_id, local_path, artifact_path)
File "/home/aw/anaconda3/lib/python3.8/site-packages/mlflow/tracking/client.py", line 903, in log_artifact
self._tracking_client.log_artifact(run_id, local_path, artifact_path)
File "/home/aw/anaconda3/lib/python3.8/site-packages/mlflow/tracking/_tracking_service/client.py", line 271, in log_artifact
artifact_repo = self._get_artifact_repo(run_id)
File "/home/aw/anaconda3/lib/python3.8/site-packages/mlflow/tracking/_tracking_service/client.py", line 262, in _get_artifact_repo
return get_artifact_repository(artifact_uri)
File "/home/aw/anaconda3/lib/python3.8/site-packages/mlflow/store/artifact/artifact_repository_registry.py", line 102, in get_artifact_repository
return _artifact_repository_registry.get_artifact_repository(artifact_uri)
File "/home/aw/anaconda3/lib/python3.8/site-packages/mlflow/store/artifact/artifact_repository_registry.py", line 71, in get_artifact_repository
return repository(artifact_uri)
File "/home/aw/anaconda3/lib/python3.8/site-packages/mlflow/store/artifact/sftp_artifact_repo.py", line 32, in init
"port": parsed.port,
File "/home/aw/anaconda3/lib/python3.8/urllib/parse.py", line 174, in port
raise ValueError(message) from None
ValueError: Port could not be cast to integer value as '~'

总而言之：我的主要目标是在远程Linux服务器上存储MLFLow工件。我非常感谢您对如何实现这一点的帮助