在GCP虚拟机上运行MLFlow：公网IP访问UI失败求分步操作流程

我帮你整理了一套亲测有效的完整步骤，一步步来就能解决外部无法访问MLflow UI的问题：

一、先确认VM实例的基础网络配置 #

• 登录GCP控制台找到你的VM实例，先检查外部IP地址是否已分配——状态得是“已静态”或“临时”，不能是“无”，没有的话赶紧给实例分配一个外部IP。
• 确认实例所在的VPC网络是默认网络或者你自定义的允许外部访问的网络，别用完全隔离的内部网络。

二、配置/验证GCP防火墙规则 #

MLflow默认用5000端口，必须给这个端口开外部访问权限：

1. 进入GCP控制台的VPC网络 > 防火墙页面
2. 点击「创建防火墙规则」，按以下信息填写：
   • 名称：取个好记的，比如allow-mlflow-5000
   • 网络：选择你的VM实例所在的VPC网络
   • 方向：选入站（外部流量进VM）
   • 目标：推荐选「指定的目标标签」，然后给你的VM实例加个对应标签（比如mlflow-server）——比开放所有实例更安全；如果图省事也可以选「所有实例在网络中」，但不推荐。
   • 来源IP范围：如果要让所有人访问填0.0.0.0/0，如果只允许自己的IP访问，就填你的本地公网IP（格式比如114.xxx.xxx.xxx/32）
   • 协议和端口：勾选tcp，填写5000
   • 点击「创建」就行
3. 验证规则：确保规则是“已启用”状态，而且如果用了标签，你的VM实例已经添加上对应的标签（去VM实例详情页的「标签」部分看）

三、在VM上正确启动MLflow服务 #

这步最关键！很多人踩坑就是因为没绑定0.0.0.0：

1. 登录VM实例——可以用GCP控制台的SSH按钮直接连，或者本地终端用gcloud compute ssh [你的实例名称]命令登录
2. 先确认MLflow装好了：跑mlflow --version看看，如果没装就用pip install mlflow装一下
3. 启动MLflow的时候，必须加上--host 0.0.0.0，这样才能监听所有网络接口，允许外部访问：

   mlflow server --host 0.0.0.0 --port 5000
   

   如果你需要把实验数据存到GCS或者自定义本地目录，再加两个参数就行：

   mlflow server --host 0.0.0.0 --port 5000 --backend-store-uri ./mlruns --default-artifact-root gs://你的存储桶名称/mlflow-artifacts
   

4. 启动成功后，终端会输出Server is running at http://0.0.0.0:5000，这时候就可以去测试访问了

四、测试访问与问题排查 #

1. 打开本地浏览器，输入http://[VM的外部IP]:5000，能打开MLflow UI就大功告成了！
2. 如果还是访问不了，按下面的步骤排查：
   • 检查VM标签：确认实例已经加了防火墙规则里指定的标签，没加的话赶紧补上
   • 检查VM内部防火墙：有些Linux系统（比如Ubuntu）自带ufw防火墙，得开放5000端口：

     sudo ufw allow 5000/tcp
     sudo ufw reload
     

   • 检查MLflow监听地址：在VM上跑netstat -tulpn | grep 5000，输出得是0.0.0.0:5000，如果是127.0.0.1:5000，说明启动命令没加--host 0.0.0.0，重新启动就行
   • 测试网络连通性：本地终端用telnet [VM外部IP] 5000测试端口是否开放，如果不通，大概率是GCP防火墙规则没配置对

内容的提问来源于stack exchange，提问作者Shadab Hussain