సర్వర్లో MLflow ప్రమాణీకరణను ఎలా ప్రారంభించాలి
MLflow ప్రమాణీకరణను ప్రారంభించడానికి తదుపరి ఆదేశాన్ని ఉపయోగించి MLflow UIని ప్రారంభించండి:
mlflow సర్వర్ --app-name basic-authయాప్-పేరు ఎంపిక లేకుండా సర్వర్ను పునఃప్రారంభించడం ద్వారా, MLflow సర్వర్ నిర్వాహకులు వారు కోరుకున్నప్పుడు ఈ లక్షణాన్ని నిలిపివేయడాన్ని ఎంచుకోవచ్చు. విండోస్ ఆపరేటింగ్ సిస్టమ్ యొక్క కమాండ్ లైన్ టెర్మినల్లో ప్రదర్శించబడే కమాండ్ యొక్క స్క్రీన్ షాట్ ఇక్కడ ఉంది (హెచ్చరికను విస్మరించండి):
MLflow సర్వర్ని నమోదు చేయడం ద్వారా బ్రౌజర్ ద్వారా యాక్సెస్ చేసినప్పుడు సర్వర్ ప్రయోగాలు మరియు కళాఖండాలను యాక్సెస్ చేయడానికి ఇప్పుడు వినియోగదారు పేరు మరియు పాస్వర్డ్ అవసరం http://127.0.0.1:5000 URL వలె.
MLflowపై ప్రమాణీకరణను ఎలా సెటప్ చేయాలి
సూచనలు, ఆదేశాలు మరియు కాన్ఫిగరేషన్ ఫైల్ పేర్లలో కొన్ని చిన్న మార్పులతో, Windowsలో MLflow ప్రమాణీకరణను సెటప్ చేయడం Linuxలో సెటప్ చేయడానికి చాలా పోలి ఉంటుంది.
రివర్స్ ప్రాక్సీగా “htpasswd” మరియు Nginxని ఉపయోగించి Windowsలో MLflow ప్రమాణీకరణను కాన్ఫిగర్ చేయడానికి ఇక్కడ ఒక ట్యుటోరియల్ ఉంది. ఈ కాన్ఫిగరేషన్ సాధారణ ప్రమాణీకరణను ప్రారంభిస్తుందని గుర్తుంచుకోండి మరియు అనధికార ప్రాప్యతను నివారించడానికి MLflow మరియు Nginxని అమలు చేసే కంప్యూటర్ను తగినంతగా రక్షించడం చాలా కీలకం. OAuthని ఉపయోగించడం లేదా ఉత్పత్తి పరిసరాల కోసం లేదా మరింత కఠినమైన భద్రతా అవసరాల కోసం బాహ్య గుర్తింపు ప్రదాతలతో MLflowని కనెక్ట్ చేయడం గురించి ఆలోచించండి.
ఈ ట్యుటోరియల్లో, యూజర్/పాస్వర్డ్ మేనేజ్మెంట్ కోసం “htpasswd” మరియు రివర్స్ ప్రాక్సీగా Nginxని ఉపయోగించి ప్రాథమిక ప్రమాణీకరణను సెటప్ చేయడానికి మేము వెళ్తాము.
దశ 1: Htpasswdని ఇన్స్టాల్ చేయండి
“htpasswd” అనేది స్థానిక విండోస్ అప్లికేషన్ కానప్పటికీ, మేము ఇక్కడ Apache Lounge యొక్క htpasswd యుటిలిటీగా పిలువబడే థర్డ్-పార్టీ టూల్ని ఉపయోగిస్తాము. అపాచీ లాంజ్ అధికారిక వెబ్సైట్ నుండి దీన్ని డౌన్లోడ్ చేసుకోండి. జిప్ ఫైల్ను డౌన్లోడ్ చేసి, దానిని మా వర్కింగ్ డైరెక్టరీకి సంగ్రహించిన తర్వాత Apache యొక్క బిన్ డైరెక్టరీలో మనకు “htpasswd.exe” ఉందని ప్రదర్శించే స్క్రీన్షాట్ ఇక్కడ ఉంది:
ఏదైనా కమాండ్ ప్రాంప్ట్ నుండి “htpasswd.exe”ని ఉపయోగించడానికి, దాన్ని ఇప్పుడు మీ సిస్టమ్ యొక్క PATHలోని ఎన్విరాన్మెంట్ వేరియబుల్లోని స్థానానికి కాపీ చేయండి.
దశ 2: పాస్వర్డ్ ఫైల్ను సృష్టించండి
పాస్వర్డ్ ఫైల్ను రూపొందించడానికి, కమాండ్ ప్రాంప్ట్ని తెరిచి, తగిన స్థానానికి వెళ్లండి. కొత్త పాస్వర్డ్ ఫైల్ను సృష్టించడానికి లేదా సెట్ చేయడానికి లేదా ప్రస్తుతానికి వినియోగదారులను జోడించడానికి 'htpasswd'ని ఉపయోగించండి. ఫైల్లోని ప్రతి పంక్తికి ఎన్క్రిప్టెడ్ యూజర్నేమ్ మరియు పాస్వర్డ్ ఉండాలి. వినియోగదారు కోసం కొత్త ఆధారాలను జోడించడానికి లేదా ఇప్పటికే ఉన్న వినియోగదారు యొక్క పాస్వర్డ్ను నవీకరించడానికి కింది ఆదేశాన్ని ఉపయోగించండి:
htpasswd -c /path/to/PASSWORD_FILE_NAME USERNAMEపైథాన్ ఫోల్డర్కి వెళ్లండి (ఈ సందర్భంలో, వర్కింగ్ డైరెక్టరీ) మరియు కింది స్నిప్పెట్లో చూపిన విధంగా టెర్మినల్ లేదా ప్రాంప్ట్ విండోలో పైన పేర్కొన్న ఆదేశాన్ని టైప్ చేయండి. పాస్వర్డ్ ఫైల్, mlflow-authfile, సృష్టించబడింది.
'అడ్మిన్' వినియోగదారు పేరును జోడించి, 'ఎంటర్' కీని నొక్కిన తర్వాత, సిస్టమ్ పాస్వర్డ్ను అడుగుతుంది. ప్రాంప్ట్లో అదే పాస్వర్డ్ను మళ్లీ టైప్ చేసిన తర్వాత, వినియోగదారు విజయవంతంగా సృష్టించబడతారు మరియు వినియోగదారు అవసరమైన పాస్వర్డ్తో జోడించబడ్డారని ఇది చూపిస్తుంది:
అవసరమైన పాస్వర్డ్ ఫైల్ సృష్టించబడిన డైరెక్టరీని చూపే స్క్రీన్షాట్ ఇక్కడ ఉంది:
ఫైల్లోని ప్రతి లైన్లో “యూజర్నేమ్:పాస్వర్డ్” ఫార్మాట్లో వినియోగదారు పేరు మరియు ఎన్క్రిప్టెడ్ పాస్వర్డ్ కనిపించాలి.
దశ 3: Nginxని ఇన్స్టాల్ చేసి కాన్ఫిగర్ చేయండి
అధికారిక వెబ్సైట్ నుండి Nginx యొక్క Windows బైనరీలను పొందండి. డౌన్లోడ్ చేసిన ఫైల్ను Nginx ఫోల్డర్లోని వర్కింగ్ డైరెక్టరీకి సంగ్రహించండి:
Nginxలో కొత్త MLFlow సర్వర్ బ్లాక్ను రూపొందించండి. Nginx డైరెక్టరీలో కమాండ్ ప్రాంప్ట్ తెరవడం ద్వారా 'mlflow-site' డైరెక్టరీని సృష్టించండి:
ప్రస్తుతం MLflow కాన్ఫిగరేషన్ కోసం కొత్త ఫైల్ను రూపొందించడానికి ఇది సమయం. సర్వర్ డొమైన్ పేరు లేదా IP చిరునామాను లోకల్ హోస్ట్తో భర్తీ చేయండి. అలాగే, మార్గంలో ఫార్వర్డ్ స్లాష్లను ఉపయోగించి, భర్తీ చేయండి D:/వర్క్/పైథాన్/mlflow-auth గతంలో సృష్టించిన పాస్వర్డ్ ఫైల్కు ఖచ్చితమైన మార్గంతో. ప్రాక్సీ_పాస్ విలువను MLflow సర్వర్ URIకి మార్చండి. పోర్ట్లు అవసరమైన పోర్ట్ నంబర్లకు సర్దుబాటు చేయబడతాయి.
మార్చడానికి కోడ్ యొక్క స్నిప్పెట్ ఇక్కడ ఉంది:
IP చిరునామాను కనుగొనడానికి కమాండ్ ప్రాంప్ట్లో “ipconfig” ఆదేశాన్ని నమోదు చేయండి:
దశ 4: Nginx సర్వర్ బ్లాక్ని ప్రారంభించండి
Nginx సర్వర్ బ్లాక్ను సక్రియం చేయడానికి, కమాండ్ ప్రాంప్ట్లో కింది ఆదేశాన్ని ఉపయోగించి సింబాలిక్ లింక్ను సృష్టించండి:
cd D:\వర్క్\nginx\conf\mlflow- సైట్mklink mlflow D:\Work\nginx\conf\mlflow- సైట్ \mlflow
దశ 5: Nginxని ప్రారంభించండి
కమాండ్ ప్రాంప్ట్ నుండి Nginxని ప్రారంభించడానికి “nginx.exe” ఆదేశాన్ని నమోదు చేయండి మరియు Nginx డైరెక్టరీకి నావిగేట్ చేయండి:
దశ 6: MLflow సర్వర్ను ప్రారంభించండి
MLflow సర్వర్ యొక్క బ్యాకెండ్ నిల్వ మార్గాన్ని కలిగి ఉన్న కింది ఆదేశం సహాయంతో, మీరు కొత్త టెర్మినల్ విండో లేదా కమాండ్ ప్రాంప్ట్లో MLflow సర్వర్ను ప్రారంభించవచ్చు లేదా పునఃప్రారంభించవచ్చు. ప్రయోగాలు, శోధనలు మరియు ఇతర కార్యకలాపాల ఫలితాలు ఈ మార్గంలో నిల్వ చేయబడతాయి:
MLflow సర్వర్ను ప్రారంభించడానికి ఆదేశం:
mlflow సర్వర్ --హోస్ట్ 127.0.0.1 --పోర్ట్ 5000 --backend-store-uri D:/Work/Python/Storageపైన పేర్కొన్న ఆదేశాన్ని అమలు చేసిన తర్వాత, మీరు ఈ క్రింది దోషాన్ని చూసినట్లయితే, చింతించకండి; సమస్యను పరిష్కరించడానికి కింది ఆదేశాన్ని అమలు చేయండి:
లోపాన్ని పరిష్కరించడానికి మోడల్ రిజిస్ట్రీ డేటాను స్థానిక ఫైల్ సిస్టమ్లో నిల్వ చేయడానికి URI స్కీమ్ను మార్చండి:
mlflow సర్వర్ --హోస్ట్ 127.0.0.1 --పోర్ట్ 5000 --backend-store-uri ఫైల్ ///D:/Work/Python/Storage
దశ 7: ప్రామాణీకరణతో MLflowని యాక్సెస్ చేయండి
ఇప్పుడు, ఎవరైనా డొమైన్ లేదా IP చిరునామా ద్వారా MLflowని యాక్సెస్ చేసినప్పుడు MLflow సర్వర్ మరియు దాని కళాఖండాలకు ప్రాప్యతను మంజూరు చేయడానికి ముందు Nginx వినియోగదారు పేరు మరియు పాస్వర్డ్ను అభ్యర్థిస్తుంది. ఇప్పుడు, MLflow యొక్క UI మరియు APIని యాక్సెస్ చేయడానికి, MLflowని యాక్సెస్ చేయడానికి వెబ్ బ్రౌజర్ని ఉపయోగిస్తున్నప్పుడు మీరు ముందుగా లాగిన్ యూజర్నేమ్ మరియు పాస్వర్డ్ను అందించాలి.
ముగింపు
Windowsలో MLflow ప్రమాణీకరణకు ప్రామాణీకరణ ఆన్ చేయబడిన రివర్స్ ప్రాక్సీ వెనుక MLflow నిర్వహించడం అవసరం. ఈ సందర్భంలో, Nginx రివర్స్ ప్రాక్సీగా పనిచేస్తుంది, వినియోగదారు బ్రౌజర్ మరియు MLflow సర్వర్ మధ్య మధ్యవర్తిగా పనిచేస్తుంది. ప్రాథమిక ప్రమాణీకరణను అమలు చేయడానికి Nginxని కాన్ఫిగర్ చేయడం ద్వారా MLflow కోసం వినియోగదారు ఇంటర్ఫేస్ మరియు APIని యాక్సెస్ చేయడానికి ముందు వినియోగదారు పేరు మరియు పాస్వర్డ్ను నమోదు చేయవలసిందిగా వినియోగదారులు అభ్యర్థించబడ్డారు.
చివరిది కానీ, మీరు అత్యంత ఇటీవలి మరియు సురక్షితమైన అభ్యాసాలకు కట్టుబడి ఉన్నారని నిర్ధారించుకోవడానికి, MLflow మరియు Nginx కోసం అత్యంత ఇటీవలి డాక్యుమెంటేషన్ మరియు వనరులను సంప్రదించడం ఎల్లప్పుడూ కీలకం.