MLflow 工作区与访问控制
在 Alauda AI Platform 上,MLflow 支持多租户:每个工作区都是一个 Kubernetes 命名空间,对工作区的实验、运行、数据集和已注册模型的访问通过 Kubernetes RBAC 进行授权。本指南介绍如何将命名空间公开为工作区,以及如何向用户授予访问权限。
有关底层模型,请参阅简介 → 多租户模型。
将命名空间公开为工作区
当命名空间带有 MLflow 配置所选的标签(默认为 mlflow-enabled=true)时,该命名空间会成为 MLflow 工作区。只有匹配的命名空间才会显示为工作区。
应用该标签,或为现有命名空间添加标签:
INFO
Tracking server 的默认工作区命名空间必须在 server 首次启动之前存在并带有相应标签,否则 server 将无法启动(请参阅安装 → 先决条件)。
授予用户访问权限
MLflow 会使用 mlflow.kubeflow.org API 组,根据调用方在目标命名空间中的 Kubernetes 权限,对每个请求进行授权。通过在工作区命名空间中创建 Role 和 RoleBinding 来授予访问权限:
绑定中的组名或用户名必须与 OAuth proxy 转发的令牌中的身份声明(平台的 OIDC 组/用户)相匹配。
从客户端选择工作区
将 MLflow tracking URI 设置为集群内 Service(或平台路由),并选择工作区:
对于原始 HTTP 客户端,请传递工作区标头:
你只能使用帐户有权访问的工作区。有关完整的身份验证详情(包括如何在无需浏览器的情况下获取身份令牌以及连接 SDK),请参阅使用 MLflow Python SDK 进行身份验证和 RBAC。
故障排除
- 工作区不可见。 验证其命名空间是否与配置的
workspaceLabelSelector匹配(默认为mlflow-enabled=true)。 403 PERMISSION_DENIED。 该帐户无权访问工作区命名空间。请在该命名空间中为用户或组添加RoleBinding。- 运行显示了错误的所有者或工作区。 所有者是经过身份验证的身份;工作区是由
set_workspace()/MLFLOW_WORKSPACE选择的工作区(否则使用 server 默认值)。请检查两者。