服务 mlflow 错误版本的 Azure Databricks 模型答案

【问题标题】：Azure Databricks model serving mlflow error version服务 mlflow 错误版本的 Azure Databricks 模型
【发布时间】：2023-01-13 05:46:37
【问题描述】：

大家好或晚上好！

我最近想使用 azure 的注册模型。我将我的实验附加到我的模型并启动了服务，到目前为止一切顺利！

问题来自我们试图对该模型提出的请求：

无法识别的内容类型参数：格式。重要提示：MLflow 模型评分协议在 MLflow 2.0 版中发生了变化。如果您看到此错误，您可能使用了过时的评分请求格式。要解决该错误，请更新您的请求格式或调整您的 MLflow 模型的需求文件以指定旧版本的 MLflow（例如，将“mlflow”需求说明符更改为“mlflow==1.30.0”）。如果您使用 MLflow 客户端发出请求（例如通过 mlflow.pyfunc.spark_udf()），请将您的 MLflow 客户端升级到版本 >= 2.0 以使用新的请求格式。有关 MLflow 2.0 中更新的 MLflow 模型评分协议的更多信息，请参阅https://mlflow.org/docs/latest/models.html#deploy-mlflow-models。

无法找到此问题的真正根源。我们更新了 Mlflow 的版本（从 1.30 到 2.0.1）并重新使用为发送数据提供的确切格式。

此外，经过多次搜索，我们发现该类型的案例很少。 azure doc 不断回来，却找不到其他有需要的用户。

你以前遇到过这个问题吗？你是如何设法调试它的？

预先感谢您的帮助！

【问题讨论】：

标签： azure-databricks mlflow serving

【解决方案1】：

对我有用的是：

model_name = "model_name"
model_uri = f"models:/{model_name}/Production" 
mlflow.pyfunc.get_model_dependencies(model_uri, format='pip')

最后一行为您提供了可以添加的依赖项，以便在笔记本的开头进行安装。然后将 env_manager='conda' 添加到 mlflow.pyfunc.spark_udf 调用

【讨论】：

这是否意味着我们需要将 conda 添加到我们的环境中？如果是这样，请问如何？
嗨@SGarg 我在尝试mlflow.pyfunc.spark_udf(spark, model_uri, result_type='double',env_manager='local') 时遇到了这个错误：TypeError: spark_udf() got an unexpected keyword argument 'env_manager'

【解决方案2】：

您找到问题的解决方案了吗？我在尝试通过服务模型的 UI 推送数据时遇到了同样的错误，并在我的 ML Flow 代码中发现了错误。您能否分享在提供服务之前用于构建 ML 流模型的代码？

【讨论】：