无法从GitLab Model Registry获取MLflow注册模型的问题求助

通用前置检查 #

• 核对MLflow与GitLab版本兼容性：GitLab 15.x及以上版本要求MLflow 1.28+，执行mlflow --version确认版本，不匹配直接升级到对应兼容版本。
• 重新验证客户端配置：确保mlflow.set_tracking_uri()的地址格式正确，应为https://你的GitLab域名/api/v4/projects/<项目ID>/mlflow；同时确认环境变量MLFLOW_TRACKING_TOKEN已设为带read_api和read_repository权限的GitLab个人访问令牌。

方法1（models:/URI）错误处理 #

出现「连接池满」和「仓库方案不匹配」时：

• 检查模型存储路径：GitLab Model Registry只支持GitLab托管的对象存储或项目仓库里的artifacts，在GitLab项目的「模型注册表」页面查看对应版本的存储路径，必须是gitlab://开头的URI，若不是说明上传时存储配置错误，需重新上传模型。
• 调整连接池参数：在代码里增大连接池大小或设置请求超时：

  import mlflow
  
  # 增大连接池上限
  mlflow.tracking.client.MlflowClient._tracking_client_pool_max_size = 10
  # 设置追踪URI超时时间
  mlflow.set_tracking_uri(
      "https://你的GitLab域名/api/v4/projects/<项目ID>/mlflow",
      timeout=30
  )
  

• 明确指定模型版本：别用models:/<模型名>/latest，改用models:/<模型名>/<版本号>，避免latest版本解析出错。

方法2/3（ValueError: unpack值不足）错误处理 #

这个错误大多是MLflow解析GitLab返回的artifacts路径时格式不兼容导致：

• 检查上传路径：上传artifacts时用mlflow.log_artifacts(本地目录, artifact_path="")或明确指定路径，别用含空格、特殊字符的路径；如果是单个文件，换mlflow.log_file上传试试。
• 修正runs:/URI格式：正确格式是runs:/<MLflow运行ID>/<artifacts路径>，注意运行ID是GitLab上MLflow生成的ID（不是Git commit ID），artifacts路径要和上传时完全一致，比如上传时用mlflow.log_artifacts("./model", artifact_path="model")，URI就是runs:/<运行ID>/model。
• 直接用GitLab API测试下载：跳过MLflow封装，验证是否能正常访问：

  import requests
  
  token = "你的GitLab令牌"
  project_id = "你的项目ID"
  run_id = "MLflow运行ID"
  artifact_path = "model"
  
  url = f"https://你的GitLab域名/api/v4/projects/{project_id}/mlflow/artifacts/{run_id}/{artifact_path}"
  headers = {"PRIVATE-TOKEN": token}
  response = requests.get(url, headers=headers, stream=True)
  
  with open("artifact.zip", "wb") as f:
      for chunk in response.iter_content(chunk_size=1024):
          f.write(chunk)
  

  如果这个请求能成功下载，说明是MLflow客户端的解析问题，升级到最新兼容版本即可。

其他排查点 #

• 项目权限：确认你的GitLab令牌所属账号有项目的开发者及以上权限，且模型版本未设为私有。
• 网络代理：企业内网环境下，检查是否有代理拦截请求，设置HTTP_PROXY和HTTPS_PROXY环境变量为企业代理地址。

内容的提问来源于stack exchange，提问作者Alessandro Togni