使用MLflow向S3存储桶上传模型时遭遇503错误求助

先看几个核心问题和修复步骤：

• 修正MLFLOW_TRACKING_URI配置错误
  你当前设置的os.environ["MLFLOW_TRACKING_URI"]='http://:8000'缺失了具体的主机IP/域名，这直接导致请求无法定位到MLflow Tracking Server，引发重试耗尽的503错误。改成包含实际地址的格式：

  os.environ["MLFLOW_TRACKING_URI"]='http://62.84.121.234:8000' # 替换为你的Tracking Server真实IP/域名
  

• 确保MLflow Tracking Server正确配置S3代理
  场景4是通过Tracking Server代理上传模型到S3，启动Tracking Server时必须指定--default-artifact-root为你的Yandex Cloud S3桶路径，同时保证Server所在环境已配置好S3凭证且安装了S3依赖：

  1. 安装依赖：

     pip install s3fs
     

  2. 启动Tracking Server（替换为你的桶路径）：

     mlflow server --host 0.0.0.0 --port 8000 --default-artifact-root s3://your-bucket-name/mlflow-artifacts/
     

• 验证S3连通性与权限

  1. 在本地或Tracking Server机器上，用AWS CLI测试Yandex Cloud S3访问：

     aws s3 ls --endpoint-url=https://storage.yandexcloud.net
     

  2. 检查.aws/credentials的格式是否正确（Yandex Cloud兼容AWS签名）：

     [default]
     aws_access_key_id=你的Yandex访问密钥ID
     aws_secret_access_key=你的Yandex私有密钥
     

  3. 确认密钥拥有目标S3桶的读写权限，同时网络能正常访问Yandex存储端点和Tracking Server：

     curl https://storage.yandexcloud.net
     curl http://62.84.121.234:8000/api/2.0/mlflow/experiments/list
     

• 临时调整重试策略（针对服务波动场景）
  如果是偶尔的服务不稳定，可以增加MLflow的重试次数：

  os.environ["MLFLOW_HTTP_REQUEST_MAX_RETRIES"] = "5"
  os.environ["MLFLOW_HTTP_REQUEST_RETRY_DELAY"] = "2" # 重试间隔2秒
  

内容的提问来源于stack exchange，提问作者sergzemsk