MLflow模型注册与版本管理

MLflow Model Registry 是集中化的模型管理中央仓库。

核心概念：

1. 注册模型(Registered Model)：

• 命名实体，代表一个模型（如 recommendation_ctr）
• 包含多个版本(Version)，每个版本关联一个MLflow Run和序列化模型文件

2. 模型版本(Version)：

• 自动递增 (v1, v2, v3...)
• 每个版本记录：
  • 模型来源(Run ID + artifact path)
  • 模型签名(Signature): 输入/输出Schema + 列名+类型
  • 描述和标签
  • 数据集和训练参数(追溯至MLflow Run)

3. 阶段(Stage)： 标准阶段流转：

• None (开发中) → Staging (预发布) → Production (生产) → Archived (归档)
• 每个阶段只能有一个版本（可配置）
• 阶段转换可设置审批流程

4. Webhook和CI/CD集成：

• 阶段变更可触发Webhook → 自动部署到K8s/SageMaker
• 与Jenkins/GitHub Actions联动

API示例：

client = MlflowClient()
client.create_registered_model("model_name")
client.transition_model_version_stage(
    name="model_name", version=2, stage="Production"
)

最佳实践：

• 每个实验运行注册最佳模型
• Production阶段自动触发A/B测试
• 用MLflow Deployments部署到SageMaker/AzureML