我麵臨一個問題在加載毫升工件為一個特定的由搜索的實驗運行特定run_id如下:
https://www.mlflow.org/docs/latest/rest-api.html search-runs
API請求https://eastus-c3.azuredatabricks.net/api/2.0/mlflow/runs/search失敗與異常HTTPSConnectionPool(主機= ' eastus-c3.azuredatabricks.net ',端口= 443):馬克斯重試超過url: / api / 2.0 / mlflow /運行/搜索(ResponseError所致(太多的429錯誤反應的))
#搜索使用filter_string experiment_id與客戶和product_key訂單查詢開始時間= f”參數。product_key = {product_key}和參數。客戶={客戶}”runs_df = mlflow.search_runs([實驗。experiment_id], filter_string =查詢,order_by = [" start_time DESC "]) #獲得最新的運行記錄id run_id = runs_df.run_id.values [0] artifact_uri = runs_df.artifact_uri。值[0]客戶= MlflowClient ()
429是一個HTTP響應狀態碼表示客戶端應用程序已超過速度限製,或他們的請求數量可以在給定的時間內發送。有沒有解決呢?
我運行search_runs pandas_udf函數()API,並在客戶和product_key級別搜索在我dataframe找到適當的記錄為推理模型和工件加載。
推理過程很快,product_keys數量在4000條記錄的範圍,我最終達到MLFlow搜索API每分鍾30 - 40倍左右。
想在這嗎?