如何修复MLflow服务器上显示的HDFS模型/制品路径错误问题

问题背景 #

你在使用MLflow 1.2.0时碰到了一个UI路径渲染的问题，具体操作和现象如下：

• 启动MLflow服务器的命令：

  mlflow server --host myhost -p myport --backend-store-uri mysql://user@localhost/mlflow --default-artifact-root hdfs://myhost/user/myid/mlflow_test
  

• 运行实验：

  mlflow run sklearn_elasticnet_wine -P alpha=0.5 --no-conda
  

• 通过mlflow.sklearn.log_model(lr, "model")将模型日志到HDFS存储
• 在UI中，model目录的路径显示正确（run_id/artifacts/model），但点击该目录下的MLmodel文件时，路径错误地变为run_id/artifacts/MLmodel，缺失了关键的model子目录

问题原因 #

这是MLflow 1.2.0版本中一个已知的bug，当使用HDFS作为artifact存储后端时，UI在生成子目录下文件的访问路径时，会错误地省略中间的目录层级。这个问题已经在MLflow 1.3.0及后续的版本中被官方修复。

解决方案 #

1. 升级MLflow到稳定版本（推荐方案）

最彻底的解决方式是升级MLflow到最新的稳定版本，这样可以直接修复这个UI路径问题。执行以下命令完成升级：

pip install --upgrade mlflow

升级完成后，重启你的MLflow服务器，重新运行实验，此时UI中点击MLmodel文件时，路径会正确显示为run_id/artifacts/model/MLmodel。

2. 临时 workaround（无法升级时）

如果暂时无法升级MLflow版本，你可以通过以下两种方式访问MLmodel文件：

• 手动拼接HDFS路径访问：正确的HDFS路径为hdfs://myhost/user/myid/mlflow_test/<你的run_id>/artifacts/model/MLmodel，你可以使用HDFS命令直接查看内容：

  hdfs dfs -cat hdfs://myhost/user/myid/mlflow_test/<run_id>/artifacts/model/MLmodel
  

• 直接构造UI访问URL：在浏览器地址栏中手动补全缺失的model路径，将错误的URLmyhost:myport/#/experiments/0/runs/run_id/artifacts/MLmodel修改为myhost:myport/#/experiments/0/runs/run_id/artifacts/model/MLmodel，即可正确查看文件内容。

另外需要确认的是，你的模型日志代码mlflow.sklearn.log_model(lr, "model")是完全符合标准的，没有语法或逻辑错误，所以问题的核心确实是MLflow 1.2.0版本的UI渲染bug。

内容的提问来源于stack exchange，提问作者Kyle Chen