调用mlflow.set_experiment()报Enum ErrorCode无403值错误，求原因

核心原因 #

这个报错的本质是请求被Databricks MLflow服务拒绝（HTTP 403状态码），但旧版本的MLflow SDK没有将403状态码纳入ErrorCode枚举类，导致无法解析错误，抛出了枚举值不存在的异常。具体触发场景通常有以下几种：

• 权限不足：你的Databricks账号没有目标实验的创建权限（实验不存在时）或读写权限（实验已存在时）。
• 版本不兼容：本地使用的MLflow SDK、Databricks Connect版本与Databricks集群上的MLflow服务版本不匹配，旧版本SDK不支持处理403错误码。
• 认证失效：Databricks Connect的配置信息（如token、集群ID）不正确或已过期，导致请求被拒绝。

解决步骤 #

1. 检查并修复权限 #

登录Databricks workspace，找到目标实验（或要创建的实验路径）：

• 如果实验已存在：确认你的账号被赋予了编辑或管理权限。
• 如果实验不存在：确认你的账号有在对应路径下创建实验的权限（可联系Workspace管理员配置）。

2. 同步MLflow与Databricks Connect版本 #

确保本地安装的依赖版本与集群一致：

# 先查看集群上的MLflow版本，再安装对应版本
pip install mlflow==<集群MLflow版本>
pip install databricks-connect==<集群Databricks Runtime版本>

3. 验证Databricks Connect认证 #

执行以下命令测试连接有效性，确保token和集群配置正确：

databricks-connect test

如果认证失败，重新配置Databricks Connect：

databricks-connect configure

4. 手动处理实验（替代方案） #

如果mlflow.set_experiment()仍报错，可改用MlflowClient手动管理实验，更清晰地排查权限问题：

# 先尝试获取实验，不存在则创建
try:
    experiment = client.get_experiment_by_name(experiment_name)
    if experiment is None:
        # 创建实验（需要对应路径的创建权限）
        experiment_id = client.create_experiment(experiment_name)
    else:
        experiment_id = experiment.experiment_id
    # 设置实验ID
    mlflow.set_experiment(experiment_id=experiment_id)
except Exception as e:
    print(f"实验操作失败: {str(e)}")

内容的提问来源于stack exchange，提问作者Minura Punchihewa