详细内容或原文请订阅后点击阅览

使用 REST API 代理简化对 Amazon SageMaker MLflow 的外部访问

2026年5月28日 20:35 33 Comments
X Twitter Instagram Mail

在本文中，我们演示如何构建基于 Flask 的安全 MLflow 代理服务，该服务提供对 Amazon SageMaker MLflow 的 HTTPS 访问，而无需 MLflow SDK。该解决方案适用于正在进行云转型、希望在采用云原生服务的同时保留现有机器学习工作流程的组织。

来源:亚马逊云科技 _机器学习

机器学习 (ML) 团队使用 MLflow 有效管理其 ML 生命周期。Amazon SageMaker MLflow 提供全面的 ML 实验跟踪和模型管理功能。然而，许多企业现有的基础设施要求需要基于 HTTPS 的集成，而不是直接使用 SDK。

许多组织需要将 Amazon SageMaker MLflow 与其已建立的系统集成，同时维护其安全性和基础设施模式。这种集成挑战会影响由于公司安全策略、网络限制或旧系统限制而无法直接使用 SDK 的团队。

在本文中，我们演示如何构建基于 Flask 的安全 MLflow 代理服务，该服务提供对 Amazon SageMaker MLflow 的 HTTPS 访问，而无需 MLflow SDK。该解决方案适用于正在进行云转型、希望在采用云原生服务的同时保留现有机器学习工作流程的组织。

这篇文章涵盖以下主题：

  • 为 MLflow HTTPS 请求实现 MLflow 代理服务。
  • 配置 AWS Identity and Access Management (IAM) 身份验证以实现安全访问。
  • 管理 URL 预签名和请求转换。

    • 实施此解决方案后，您可以：

  • 通过标准 HTTPS 端点安全地访问 SageMaker MLflow。
  • 保持符合组织的安全要求。
  • 将 MLflow 与现有企业系统集成。
  • 降低实施复杂性和维护开销。

    • 解决方案概述

    基于 Flask 的轻量级 MLflow 代理架构通过三个关键组件提供企业系统和 Amazon SageMaker MLflow 之间的安全集成。

    组件 1：应用程序负载均衡器 (ALB)

    AWS Application Load Balancer 充当上游路由器，提供以下功能：

  • MLflow UI 和 REST API 请求的流量分配。
  • 初始请求处理和路由。
  • 支持自定义域名和 SSL 终止。

    • 组件 2：Flask MLflow 代理服务

    请求工作流程

    HTTPS 访问 维护 组织的 代理服务 提供 路由器 MLflow 基础设施 机器学习 均衡器 SDK 服务的 应用程序 生命周期 系统 负载均衡 限制 服务请求 安全要求 实施 复杂性 ML Amazon 请求 全面的 SageMaker 安全地 安全性 现有的 系统集成 Flask 组件 解决方案