如何避免删除MLflow Docker镜像时丢失UI存储的实验与模型数据？

问题原因 #

你当前的启动命令没有指定MLflow的跟踪存储目录和工件存储根目录，MLflow默认会在容器的工作目录下创建mlruns文件夹来保存实验元数据（UI里的实验、运行记录）和模型工件，这个目录不在你挂载的/mlflow卷里，所以删除容器时这些数据就跟着丢失了——你之前挂载的/mlflow只有在容器shell里手动创建的数据才会被保存，因为MLflow server默认没用到这个路径。

解决方案 #

方案一：本地文件系统持久化（适合开发/测试）

修改启动命令，明确指定MLflow的元数据存储路径和工件存储路径到你挂载的/mlflow目录下：

docker run --restart always -itd --name mlflow -p 5000:5000 -v ~/mlflow:/mlflow ghcr.io/mlflow/mlflow mlflow server -h 0.0.0.0 --backend-store-uri /mlflow/mlruns --default-artifact-root /mlflow/artifacts

执行后，你在MLflow UI里创建的实验、运行记录会存在宿主机的~/mlflow/mlruns目录，训练生成的模型、日志等工件会存在~/mlflow/artifacts目录，删除容器后这些数据会完整保留。

方案二：数据库存储元数据（适合生产环境）

如果需要更可靠的元数据存储，可以用SQLite、MySQL等数据库。以SQLite为例，把数据库文件放在挂载的卷里：

docker run --restart always -itd --name mlflow -p 5000:5000 -v ~/mlflow:/mlflow ghcr.io/mlflow/mlflow mlflow server -h 0.0.0.0 --backend-store-uri sqlite:////mlflow/mlflow.db --default-artifact-root /mlflow/artifacts

这种方式下，实验的元数据会存在宿主机的~/mlflow/mlflow.db文件里，模型工件依然存在~/mlflow/artifacts，即使容器被删除，数据库文件和工件都不会丢失。

MLflow Docker镜像官方文档核心内容（中文翻译） #

MLflow官方提供的Docker镜像包含完整的MLflow运行环境，可快速部署MLflow服务器：

• 镜像默认工作目录为/opt/mlflow
• 若不指定--backend-store-uri参数，MLflow默认会在当前工作目录创建mlruns文件夹，使用本地文件系统存储实验元数据
• --default-artifact-root参数用于设置模型工件（训练模型、日志文件等）的默认存储位置，支持本地路径、云存储（如S3、Azure Blob）等多种类型
• 要实现数据持久化，必须将元数据存储目录或数据库文件、工件存储目录挂载到宿主机，或使用远程数据库/云存储服务

内容的提问来源于stack exchange，提问作者Álvaro