使用Docker运行MLflow Projects时如何指定Tracking Server？

核心问题解析 #

你用mlflow run localhost:5000报错是因为理解错了命令参数：mlflow run后面跟的是MLflow项目的路径/Git仓库地址，不是Tracking Server的URI！mlflow以为你要拉取localhost上的Git仓库，所以尝试SSH连接22端口，自然被拒绝。

而mlflow run .能运行但不使用指定服务器，是因为你没告诉mlflow要把数据发到哪个Tracking Server，它默认启动了本地临时服务器。

正确操作步骤 #

1. 确保Tracking Server正常运行 #

先确认你的容器化MLflow Tracking Server已经启动，并且端口映射正确（比如用docker run -p 5000:5000 mlflow server或者docker-compose配置了端口映射），能通过http://localhost:5000访问UI界面。

2. 运行项目时指定Tracking Server #

有两种方式让mlflow知道要把数据发到你的目标服务器：

方法一：用环境变量指定

在WSL终端里先设置环境变量，再运行项目：

# 设置Tracking Server地址
export MLFLOW_TRACKING_URI=http://localhost:5000
# 运行当前目录的MLflow项目
mlflow run .

方法二：命令行参数直接指定

不用设置环境变量，直接在命令里加--tracking-uri参数：

mlflow run . --tracking-uri http://localhost:5000

3. WSL/Docker网络连通性排查（如果还是不行） #

如果用了上面的方法还是没数据到Tracking Server，检查网络：

• WSL内访问Windows的localhost：有时候WSL的localhost映射有问题，你可以在WSL里执行ip addr show eth0找到WSL的IP（比如192.168.1.100），然后把Tracking URI改成http://192.168.1.100:5000
• Docker容器间的网络：如果你的项目也是用Docker运行的（比如MLproject里指定了docker环境），要确保项目容器和Tracking Server容器在同一个Docker网络里。比如用docker-compose把两者都加入同一个网络，然后用Tracking Server的服务名作为地址，比如http://mlflow-tracking:5000

验证 #

运行项目后，打开http://localhost:5000的MLflow UI，查看是否有新的Run记录生成，确认数据已经被正确跟踪。

内容的提问来源于stack exchange，提问作者cbagusjk