mlflow.environment_variables
本模块定义了在 MLflow 中使用的环境变量。 MLflow 的环境变量遵循以下命名约定： - 公共变量：环境变量名以 MLFLOW_ 开头 - 仅内部使用的变量：仅供内部使用的变量名以 _MLFLOW_ 开头
- mlflow.environment_variables.MLFLOW_ACTIVE_MODEL_ID = 'MLFLOW_ACTIVE_MODEL_ID'
默认的活动 LoggedModel ID。 在该变量设置期间创建的跟踪（除非被覆盖，例如通过 set_active_model() API）将与此 LoggedModel ID 关联。 (默认：
None)
- mlflow.environment_variables.MLFLOW_ALLOW_HTTP_REDIRECTS = 'MLFLOW_ALLOW_HTTP_REDIRECTS'
指定是否允许 MLflow 服务器在发起 HTTP 请求时跟随重定向。如果设置为 False，服务器在遇到重定向响应时将抛出异常。 (default:
True)
- mlflow.environment_variables.MLFLOW_ARTIFACT_LOCATION_MAX_LENGTH = 'MLFLOW_ARTIFACT_LOCATION_MAX_LENGTH'
指定实验的 artifact 位置的最大长度（字符数）。默认值为 2048。
- mlflow.environment_variables.MLFLOW_ARTIFACT_UPLOAD_DOWNLOAD_TIMEOUT = 'MLFLOW_ARTIFACT_UPLOAD_DOWNLOAD_TIMEOUT'
(实验性，可能会更改或移除) 指定上传或下载文件时使用的超时时间 (默认:
None). 如果 None，各个 artifact 存储将选择默认值。
- mlflow.environment_variables.MLFLOW_ASYNC_LOGGING_BUFFERING_SECONDS = 'MLFLOW_ASYNC_LOGGING_BUFFERING_SECONDS'
指定异步记录线程在记录一个批次之前等待的时间长度（以秒为单位）。
- mlflow.environment_variables.MLFLOW_ASYNC_LOGGING_THREADPOOL_SIZE = 'MLFLOW_ASYNC_LOGGING_THREADPOOL_SIZE'
用于异步记录的线程池中的工作线程数，默认为10。
- mlflow.environment_variables.MLFLOW_ASYNC_TRACE_LOGGING_MAX_QUEUE_SIZE = 'MLFLOW_ASYNC_TRACE_LOGGING_MAX_QUEUE_SIZE'
用于异步跟踪日志记录要入队的最大导出任务数。 当队列已满时，新的导出任务将被丢弃。 (默认:
1000)
- mlflow.environment_variables.MLFLOW_ASYNC_TRACE_LOGGING_MAX_WORKERS = 'MLFLOW_ASYNC_TRACE_LOGGING_MAX_WORKERS'
用于异步跟踪日志记录的最大工作线程数。 (默认:
10)
- mlflow.environment_variables.MLFLOW_ASYNC_TRACE_LOGGING_RETRY_TIMEOUT = 'MLFLOW_ASYNC_TRACE_LOGGING_RETRY_TIMEOUT'
重试跟踪日志记录的超时秒数。 (默认:
500)
- mlflow.environment_variables.MLFLOW_AUTH_CONFIG_PATH = 'MLFLOW_AUTH_CONFIG_PATH'
指定用于 MLflow 认证的配置文件路径。 (默认:
None)
- mlflow.environment_variables.MLFLOW_CONDA_CREATE_ENV_CMD = 'MLFLOW_CONDA_CREATE_ENV_CMD'
指定在创建环境时要使用的命令名称。 例如，假设我们想使用 mamba (https://github.com/mamba-org/mamba) 而不是 conda 来创建环境。 然后： > conda install mamba -n base -c conda-forge 如果未设置，则使用与 conda_path 相同（默认：
conda）
- mlflow.environment_variables.MLFLOW_CONFIGURE_LOGGING = 'MLFLOW_CONFIGURE_LOGGING'
指定在导入时是否由 mlflow 配置日志记录。 如果设置为 True，mlflow 将为
mlflow.日志记录器配置日志处理程序和格式化器。 (默认:True)
- mlflow.environment_variables.MLFLOW_CREATE_MODEL_VERSION_SOURCE_VALIDATION_REGEX = 'MLFLOW_CREATE_MODEL_VERSION_SOURCE_VALIDATION_REGEX'
如果指定，跟踪服务器会拒绝源不符合指定正则表达式的模型 /mlflow/model-versions/create 请求。（默认：
None）。
- mlflow.environment_variables.MLFLOW_DATABRICKS_ENDPOINT_HTTP_RETRY_TIMEOUT = 'MLFLOW_DATABRICKS_ENDPOINT_HTTP_RETRY_TIMEOUT'
指定 Databricks 端点 HTTP 请求重试的超时时间（以秒为单位）。
- mlflow.environment_variables.MLFLOW_DEFAULT_PREDICTION_DEVICE = 'MLFLOW_DEFAULT_PREDICTION_DEVICE'
指定打算在 predict function 中使用的设备——可以通过将此环境变量设置为
cpu来覆盖在可用时默认使用 GPU 的行为。目前，此变量仅被 MLflow PyTorch and HuggingFace flavors 支持。对于 HuggingFace flavor，请注意 device 必须可解析为整数。
- mlflow.environment_variables.MLFLOW_DEPLOYMENTS_CONFIG = 'MLFLOW_DEPLOYMENTS_CONFIG'
指定 MLflow AI Gateway 的配置文件路径。 (默认:
None)
- mlflow.environment_variables.MLFLOW_DEPLOYMENTS_TARGET = 'MLFLOW_DEPLOYMENTS_TARGET'
(试验性的，可能会更改或移除) 指定要与 Deployments Client APIs 一起使用的 MLflow AI Gateway 实例的 uri (默认:
None)
- mlflow.environment_variables.MLFLOW_DEPLOYMENT_FLAVOR_NAME = 'MLFLOW_DEPLOYMENT_FLAVOR_NAME'
指定在评分服务器中提供的 flavor。 （默认
None）
- mlflow.environment_variables.MLFLOW_DEPLOYMENT_PREDICT_TIMEOUT = 'MLFLOW_DEPLOYMENT_PREDICT_TIMEOUT'
指定在向部署目标发出 HTTP 请求时的客户端超时（以秒为单位）。在 predict 和 predict_stream API 中使用。 (默认:
120)
- mlflow.environment_variables.MLFLOW_DFS_TMP = 'MLFLOW_DFS_TMP'
指定在
mlflow.spark.save_model、mlflow.spark.log_model和mlflow.spark.load_model中使用的dfs_tmpdir参数。请参阅 https://www.mlflow.org/docs/latest/python_api/mlflow.spark.html#mlflow.spark.save_model 了解更多信息。 （默认：/tmp/mlflow）
- mlflow.environment_variables.MLFLOW_DISABLE_ENV_CREATION = 'MLFLOW_DISABLE_ENV_CREATION'
指定是否禁用为 mlflow models build-docker 创建新的 conda 环境。 (默认:
False)
- mlflow.environment_variables.MLFLOW_DISABLE_ENV_MANAGER_CONDA_WARNING = 'MLFLOW_DISABLE_ENV_MANAGER_CONDA_WARNING'
指定在–env-manager=conda被指定时是否打印警告。 (默认:
False)
- mlflow.environment_variables.MLFLOW_DISABLE_SCHEMA_DETAILS = 'MLFLOW_DISABLE_SCHEMA_DETAILS'
是否在 MLflow 模式强制中禁用错误消息中的模式详细信息。（默认：
False）
- mlflow.environment_variables.MLFLOW_DISABLE_TELEMETRY = 'MLFLOW_DISABLE_TELEMETRY'
是否禁用 MLflow 中的遥测收集。若设置为 True，则不会收集任何遥测数据。（默认：
False）
- mlflow.environment_variables.MLFLOW_DOCKER_OPENJDK_VERSION = 'MLFLOW_DOCKER_OPENJDK_VERSION'
要在用于 MLflow 模型的 Docker 镜像中安装的 OpenJDK 版本。 (默认：
11)
- mlflow.environment_variables.MLFLOW_DOWNLOAD_CHUNK_TIMEOUT = 'MLFLOW_DOWNLOAD_CHUNK_TIMEOUT'
指定用于下载 mlflow 工件分块的超时时间。 (default:
300)
- mlflow.environment_variables.MLFLOW_ENABLE_ARTIFACTS_PROGRESS_BAR = 'MLFLOW_ENABLE_ARTIFACTS_PROGRESS_BAR'
指定在上传/下载工件时是否显示进度条。 (默认:
True)
- mlflow.environment_variables.MLFLOW_ENABLE_ASYNC_LOGGING = 'MLFLOW_ENABLE_ASYNC_LOGGING'
如果为 True，MLflow fluent logging APIs（例如 mlflow.log_metric）将以异步方式记录日志。
- mlflow.environment_variables.MLFLOW_ENABLE_ASYNC_TRACE_LOGGING = 'MLFLOW_ENABLE_ASYNC_TRACE_LOGGING'
指定是否启用到 Databricks Tracing Server 的异步跟踪日志记录。TODO：将 OSS MLflow Server 更新为默认启用异步日志记录 默认：
True.
- mlflow.environment_variables.MLFLOW_ENABLE_DBFS_FUSE_ARTIFACT_REPO = 'MLFLOW_ENABLE_DBFS_FUSE_ARTIFACT_REPO'
指定是否使用 DBFS FUSE 挂载在 Databricks 上存储工件（默认：
False）
- mlflow.environment_variables.MLFLOW_ENABLE_DB_SDK = 'MLFLOW_ENABLE_DB_SDK'
是否启用 Databricks SDK。如果为 true，MLflow 使用 databricks-sdk 向 Databricks 端点发送 HTTP 请求，否则 MLflow 使用
requests库向 Databricks 端点发送 HTTP 请求。请注意，如果您想使用 OAuth 认证，必须将此环境变量设置为 true。 (默认：True)
- mlflow.environment_variables.MLFLOW_ENABLE_PROXY_MULTIPART_UPLOAD = 'MLFLOW_ENABLE_PROXY_MULTIPART_UPLOAD'
指定是否为代理的工件访问使用分段上传。 (默认:
False)
- mlflow.environment_variables.MLFLOW_ENABLE_SYSTEM_METRICS_LOGGING = 'MLFLOW_ENABLE_SYSTEM_METRICS_LOGGING'
指定是否启用系统指标记录。
- mlflow.environment_variables.MLFLOW_ENABLE_THREAD_LOCAL_TRACING_DESTINATION = 'MLFLOW_ENABLE_THREAD_LOCAL_TRACING_DESTINATION'
是否允许设置线程本地的跟踪目标。 (默认:
False)
- mlflow.environment_variables.MLFLOW_ENABLE_UC_FUNCTIONS = 'MLFLOW_ENABLE_UC_FUNCTIONS'
为 MLflow AI Gateway 启用 Unity Catalog 集成。(默认:
False)
- mlflow.environment_variables.MLFLOW_ENABLE_UC_VOLUME_FUSE_ARTIFACT_REPO = 'MLFLOW_ENABLE_UC_VOLUME_FUSE_ARTIFACT_REPO'
指定是否使用 UC Volume FUSE 挂载在 Databricks 上存储工件 (默认:
True)
- mlflow.environment_variables.MLFLOW_ENV_ROOT = 'MLFLOW_ENV_ROOT'
指定用于创建 Python 虚拟环境的根目录. (default:
~/.mlflow/envs)
- mlflow.environment_variables.MLFLOW_EXPERIMENT_ID = 'MLFLOW_EXPERIMENT_ID'
指定用于创建运行的默认实验 ID。(默认:
None)
- mlflow.environment_variables.MLFLOW_EXPERIMENT_NAME = 'MLFLOW_EXPERIMENT_NAME'
指定创建运行所使用的默认实验名称。 (默认:
None)
- mlflow.environment_variables.MLFLOW_FLASK_SERVER_SECRET_KEY = 'MLFLOW_FLASK_SERVER_SECRET_KEY'
Flask 应用的密钥。当以启用基本身份验证的方式运行应用时，这对于在 UI 注册页面启用 CSRF 保护是必要的。
- mlflow.environment_variables.MLFLOW_GATEWAY_CONFIG = 'MLFLOW_GATEWAY_CONFIG'
指定 MLflow AI Gateway 的配置文件路径。 (默认:
None)
- mlflow.environment_variables.MLFLOW_GATEWAY_URI = 'MLFLOW_GATEWAY_URI'
（实验性，可能会更改或移除） 指定要与 Gateway Client APIs 一起使用的 MLflow Gateway Server 实例的 uri（默认：
None）
- mlflow.environment_variables.MLFLOW_GCS_DOWNLOAD_CHUNK_SIZE = 'MLFLOW_GCS_DOWNLOAD_CHUNK_SIZE'
指定从 GCS 下载文件时使用的分块大小（默认：
None）。如果 None，分块大小由google-cloud-storage包自动确定。
- mlflow.environment_variables.MLFLOW_GCS_UPLOAD_CHUNK_SIZE = 'MLFLOW_GCS_UPLOAD_CHUNK_SIZE'
指定将文件上传到 GCS 时使用的分块大小 (默认:
None). 如果为 None，则分块大小由google-cloud-storage包自动确定。
- mlflow.environment_variables.MLFLOW_GENAI_EVAL_MAX_WORKERS = 'MLFLOW_GENAI_EVAL_MAX_WORKERS'
10)- Type
(默认
- mlflow.environment_variables.MLFLOW_HTTP_POOL_CONNECTIONS = 'MLFLOW_HTTP_POOL_CONNECTIONS'
指定要在 urllib3 中缓存的连接池数量。此环境变量将 pool_connections 参数设置到 requests.adapters.HTTPAdapter 的构造函数中。通过调整此变量，用户可以增强 MLflow 发起的 HTTP 请求的并发性。
- mlflow.environment_variables.MLFLOW_HTTP_POOL_MAXSIZE = 'MLFLOW_HTTP_POOL_MAXSIZE'
指定在 HTTP 连接池中保持的最大连接数。此环境变量在 requests.adapters.HTTPAdapter 构造函数中设置 pool_maxsize 参数。通过调整此变量，用户可以提高 MLflow 发出的 HTTP 请求的并发性。
- mlflow.environment_variables.MLFLOW_HTTP_REQUEST_BACKOFF_FACTOR = 'MLFLOW_HTTP_REQUEST_BACKOFF_FACTOR'
指定 MLflow HTTP 请求失败之间的退避增长因子（默认：
2）
- mlflow.environment_variables.MLFLOW_HTTP_REQUEST_BACKOFF_JITTER = 'MLFLOW_HTTP_REQUEST_BACKOFF_JITTER'
指定 MLflow HTTP 请求失败之间的退避抖动 (默认:
1.0)
- mlflow.environment_variables.MLFLOW_HTTP_REQUEST_MAX_RETRIES = 'MLFLOW_HTTP_REQUEST_MAX_RETRIES'
指定用于 MLflow HTTP 请求的指数退避最大重试次数 (默认:
7)
- mlflow.environment_variables.MLFLOW_HTTP_REQUEST_TIMEOUT = 'MLFLOW_HTTP_REQUEST_TIMEOUT'
指定 MLflow HTTP 请求的超时时间（秒）（默认：
120）
- mlflow.environment_variables.MLFLOW_HTTP_RESPECT_RETRY_AFTER_HEADER = 'MLFLOW_HTTP_RESPECT_RETRY_AFTER_HEADER'
指定是否对 MLflow HTTP 请求在由 Retry.RETRY_AFTER_STATUS_CODES 定义的状态码上尊重 Retry-After 头（默认：
True）
- mlflow.environment_variables.MLFLOW_HUGGINGFACE_DEVICE_MAP_STRATEGY = 'MLFLOW_HUGGINGFACE_DEVICE_MAP_STRATEGY'
指定让 Huggingface 使用 HuggingFace accelerate 的自动设备放置逻辑。可以将此设置为所安装的 HuggingFace Accelerate 版本所支持的值。
- mlflow.environment_variables.MLFLOW_HUGGINGFACE_MODEL_MAX_SHARD_SIZE = 'MLFLOW_HUGGINGFACE_MODEL_MAX_SHARD_SIZE'
指定在 mlflow transformers flavor 保存模型检查点时使用的 max_shard_size。可以设置以覆盖 500MB default。
- mlflow.environment_variables.MLFLOW_HUGGINGFACE_USE_LOW_CPU_MEM_USAGE = 'MLFLOW_HUGGINGFACE_USE_LOW_CPU_MEM_USAGE'
指定 Huggingface 使用由 HuggingFace accelerate 提供支持的 low_cpu_mem_usage 标志。如果它被设置为 false，low_cpu_mem_usage 标志将被设置为 False。
- mlflow.environment_variables.MLFLOW_INPUT_EXAMPLE_INFERENCE_TIMEOUT = 'MLFLOW_INPUT_EXAMPLE_INFERENCE_TIMEOUT'
指定在记录/保存模型时，使用输入示例进行模型推理的超时时间。MLflow 会对模型发出若干推理请求以推断模型签名和 pip 依赖项。有时预测会长时间挂起，尤其是针对大型模型。此超时限制了用于为签名推断执行预测的允许时间，并将在超时后中止预测，回退到默认的签名和 pip 依赖项。
- mlflow.environment_variables.MLFLOW_KERBEROS_TICKET_CACHE = 'MLFLOW_KERBEROS_TICKET_CACHE'
指定用于 HDFS 工件操作的 Kerberos 凭证缓存的位置。 (默认：
None)
- mlflow.environment_variables.MLFLOW_KERBEROS_USER = 'MLFLOW_KERBEROS_USER'
为 HDFS 工件操作指定 Kerberos 用户。(默认:
None)
- mlflow.environment_variables.MLFLOW_LOCK_MODEL_DEPENDENCIES = 'MLFLOW_LOCK_MODEL_DEPENDENCIES'
如果为 True，MLflow 在记录模型时会锁定直接和传递的模型依赖项. (默认:
False).
- mlflow.environment_variables.MLFLOW_LOGGING_LEVEL = 'MLFLOW_LOGGING_LEVEL'
指定 MLflow 的日志级别。可以设置为任何有效的日志级别（例如，“DEBUG”、“INFO”）。必须在导入 mlflow 之前设置此环境才能生效。要在导入 mlflow 之后修改日志级别，请使用 importlib.reload(mlflow)。（默认：
None）。
- mlflow.environment_variables.MLFLOW_LOG_MODEL_COMPRESSION = 'MLFLOW_LOG_MODEL_COMPRESSION'
指定在记录模型时使用的工件压缩方法，允许的值为 “lzma”、“bzip2” 和 “gzip”（默认：
None，表示不压缩）
- mlflow.environment_variables.MLFLOW_MULTIPART_DOWNLOAD_CHUNK_SIZE = 'MLFLOW_MULTIPART_DOWNLOAD_CHUNK_SIZE'
指定在执行多部分下载时使用的块大小（以字节为单位）（默认：
104_857_600（100 MB））
- mlflow.environment_variables.MLFLOW_MULTIPART_DOWNLOAD_MINIMUM_FILE_SIZE = 'MLFLOW_MULTIPART_DOWNLOAD_MINIMUM_FILE_SIZE'
指定在下载工件时使用分块下载的最小文件大小（以字节为单位）（默认：
524_288_000（500 MB））
- mlflow.environment_variables.MLFLOW_MULTIPART_UPLOAD_CHUNK_SIZE = 'MLFLOW_MULTIPART_UPLOAD_CHUNK_SIZE'
指定在执行分段上传时使用的分块大小（以字节为单位）（默认：
104_857_60（10 MB））
- mlflow.environment_variables.MLFLOW_MULTIPART_UPLOAD_MINIMUM_FILE_SIZE = 'MLFLOW_MULTIPART_UPLOAD_MINIMUM_FILE_SIZE'
指定在记录工件时用于分段上传的最小文件大小（以字节为单位）（默认：
524_288_000（500 MB））
- mlflow.environment_variables.MLFLOW_MYSQL_SSL_CA = 'MLFLOW_MYSQL_SSL_CA'
用于 MySQL 连接的 SSL CA 证书文件路径 在为 MySQL 创建 SQLAlchemy 引擎时使用 (默认:
None)
- mlflow.environment_variables.MLFLOW_MYSQL_SSL_CERT = 'MLFLOW_MYSQL_SSL_CERT'
用于 MySQL 连接的 SSL 证书文件路径 在为 MySQL 创建 SQLAlchemy 引擎时使用 (default:
None)
- mlflow.environment_variables.MLFLOW_MYSQL_SSL_KEY = 'MLFLOW_MYSQL_SSL_KEY'
用于 MySQL 连接的 SSL 密钥文件路径 在为 MySQL 创建 SQLAlchemy 引擎时使用 (默认:
None)
- mlflow.environment_variables.MLFLOW_OPENAI_SECRET_SCOPE = 'MLFLOW_OPENAI_SECRET_SCOPE'
指定用于存储 OpenAI API 密钥的 Databricks 密钥范围的名称。
- mlflow.environment_variables.MLFLOW_PRINT_MODEL_URLS_ON_CREATION = 'MLFLOW_PRINT_MODEL_URLS_ON_CREATION'
一个布尔标志，用于在创建已记录和已注册的模型时启用打印它们的 URL。 (默认：
True)
- mlflow.environment_variables.MLFLOW_PROMPT_CACHE_MAX_SIZE = 'MLFLOW_PROMPT_CACHE_MAX_SIZE'
在用于 _load_prompt_version_cached 的 LRU 缓存中要缓存的最大提示版本数。 此缓存通过避免对相同提示版本的重复网络调用来提高性能。 (默认：
128)
- mlflow.environment_variables.MLFLOW_PYARROW_EXTRA_CONF = 'MLFLOW_PYARROW_EXTRA_CONF'
指定用于 HDFS artifact 操作的额外 pyarrow 配置。 (默认：
None)
- mlflow.environment_variables.MLFLOW_REGISTRY_DIR = 'MLFLOW_REGISTRY_DIR'
指定注册表 FileStore 的默认根目录。 (默认:
None)
- mlflow.environment_variables.MLFLOW_REQUIREMENTS_INFERENCE_RAISE_ERRORS = 'MLFLOW_REQUIREMENTS_INFERENCE_RAISE_ERRORS'
是否在模型的依赖推断中，对于无法解析的依赖项发出警告（默认）或引发异常（可选择启用）。如果设置为 True，则在依赖项推断或捕获已导入模块的过程中遇到任何错误时，会引发异常。
- mlflow.environment_variables.MLFLOW_REQUIREMENTS_INFERENCE_TIMEOUT = 'MLFLOW_REQUIREMENTS_INFERENCE_TIMEOUT'
指定 MLflow Model 依赖推断操作的
timeout_seconds。(默认:120)
- mlflow.environment_variables.MLFLOW_S3_ENDPOINT_URL = 'MLFLOW_S3_ENDPOINT_URL'
指定用于 S3 工件操作的 S3 端点 URL。 (默认：
None)
- mlflow.environment_variables.MLFLOW_S3_IGNORE_TLS = 'MLFLOW_S3_IGNORE_TLS'
指定是否在 S3 工件操作中跳过 TLS 证书验证。 (默认:
False)
- mlflow.environment_variables.MLFLOW_S3_UPLOAD_EXTRA_ARGS = 'MLFLOW_S3_UPLOAD_EXTRA_ARGS'
指定用于 S3 工件上传的额外参数。 (默认:
None)
- mlflow.environment_variables.MLFLOW_SCORING_SERVER_REQUEST_TIMEOUT = 'MLFLOW_SCORING_SERVER_REQUEST_TIMEOUT'
指定 MLflow 模型评分服务器请求超时时间（秒）（默认：
60）
- mlflow.environment_variables.MLFLOW_SEARCH_TRACES_MAX_THREADS = 'MLFLOW_SEARCH_TRACES_MAX_THREADS'
在搜索操作期间下载跟踪时要使用的最大线程数。 (默认:
max(32, (# of system CPUs * 4))
- mlflow.environment_variables.MLFLOW_SERVER_GRAPHQL_MAX_ALIASES = 'MLFLOW_SERVER_GRAPHQL_MAX_ALIASES'
在 MLflow 服务器的 GraphQL 请求中包含的别名最大数量。 (默认:
10)
- mlflow.environment_variables.MLFLOW_SERVER_GRAPHQL_MAX_ROOT_FIELDS = 'MLFLOW_SERVER_GRAPHQL_MAX_ROOT_FIELDS'
在 MLflow 服务器的 GraphQL 请求中包含的最大根字段数。 (默认:
10)
- mlflow.environment_variables.MLFLOW_SQLALCHEMYSTORE_ECHO = 'MLFLOW_SQLALCHEMYSTORE_ECHO'
指定在 SQLAlchemy 跟踪存储中用于
sqlalchemy.create_engine的echo参数。有关更多信息，请参阅 https://docs.sqlalchemy.org/en/14/core/engines.html#sqlalchemy.create_engine.params.echo。 （默认：False）
- mlflow.environment_variables.MLFLOW_SQLALCHEMYSTORE_MAX_OVERFLOW = 'MLFLOW_SQLALCHEMYSTORE_MAX_OVERFLOW'
指定在 SQLAlchemy 跟踪存储 的
sqlalchemy.create_engine中使用的max_overflow参数。有关更多信息，请参见 https://docs.sqlalchemy.org/en/14/core/engines.html#sqlalchemy.create_engine.params.max_overflow。(默认：None)
- mlflow.environment_variables.MLFLOW_SQLALCHEMYSTORE_POOLCLASS = 'MLFLOW_SQLALCHEMYSTORE_POOLCLASS'
指定在 SQLAlchemy 跟踪存储中用于
sqlalchemy.create_engine的poolclass参数。有关更多信息，请参阅 https://docs.sqlalchemy.org/en/14/core/engines.html#sqlalchemy.create_engine.params.poolclass。(默认:None)
- mlflow.environment_variables.MLFLOW_SQLALCHEMYSTORE_POOL_RECYCLE = 'MLFLOW_SQLALCHEMYSTORE_POOL_RECYCLE'
指定在 SQLAlchemy 跟踪存储中用于
pool_recycle的sqlalchemy.create_engine参数。参见 https://docs.sqlalchemy.org/en/14/core/engines.html#sqlalchemy.create_engine.params.pool_recycle 获取更多信息。 (默认：None)
- mlflow.environment_variables.MLFLOW_SQLALCHEMYSTORE_POOL_SIZE = 'MLFLOW_SQLALCHEMYSTORE_POOL_SIZE'
指定在 SQLAlchemy 跟踪存储中供
sqlalchemy.create_engine使用的pool_size参数。查看 https://docs.sqlalchemy.org/en/14/core/engines.html#sqlalchemy.create_engine.params.pool_size 了解更多信息。 (默认:None)
- mlflow.environment_variables.MLFLOW_SUPPRESS_PRINTING_URL_TO_STDOUT = 'MLFLOW_SUPPRESS_PRINTING_URL_TO_STDOUT'
避免在运行结束时将 experiment 和 run 的 URL 打印到标准输出（默认：
False）
- mlflow.environment_variables.MLFLOW_SYSTEM_METRICS_NODE_ID = 'MLFLOW_SYSTEM_METRICS_NODE_ID'
指定用于系统指标记录的节点 ID。此设置在多节点（分布式训练）环境中很有用。
- mlflow.environment_variables.MLFLOW_SYSTEM_METRICS_SAMPLES_BEFORE_LOGGING = 'MLFLOW_SYSTEM_METRICS_SAMPLES_BEFORE_LOGGING'
指定在记录系统指标之前的采样数量。
- mlflow.environment_variables.MLFLOW_SYSTEM_METRICS_SAMPLING_INTERVAL = 'MLFLOW_SYSTEM_METRICS_SAMPLING_INTERVAL'
指定用于系统指标记录的采样间隔。
- mlflow.environment_variables.MLFLOW_TRACE_SAMPLING_RATIO = 'MLFLOW_TRACE_SAMPLING_RATIO'
指定跟踪的采样比率。取值应在0.0和1.0之间。 取值为1.0表示对所有跟踪进行采样（默认行为）。 取值为0.5表示对50%的跟踪进行采样。 取值为0.0表示不对任何跟踪进行采样。 （默认：
1.0）
- mlflow.environment_variables.MLFLOW_TRACE_TIMEOUT_CHECK_INTERVAL_SECONDS = 'MLFLOW_TRACE_TIMEOUT_CHECK_INTERVAL_SECONDS'
检查超时跟踪的频率。例如，如果将此设置为 10，MLflow 将每 10 秒（在后台工作线程中）检查一次超时的跟踪，并终止任何已超过超时时间的跟踪。仅当 MLFLOW_TRACE_TIMEOUT_SECONDS 被设置为正值时，此设置才有效。
- mlflow.environment_variables.MLFLOW_TRACE_TIMEOUT_SECONDS = 'MLFLOW_TRACE_TIMEOUT_SECONDS'
How long a trace can be “in-progress”. When this is set to a positive value and a trace is not completed within this time, it will be automatically halted and exported to the specified backend destination with status “ERROR”.
- mlflow.environment_variables.MLFLOW_TRACKING_AUTH = 'MLFLOW_TRACKING_AUTH'
指定用于对 MLflow HTTP 请求进行签名的身份验证提供者（默认：
None）。设置后，它将覆盖 “Authorization” HTTP 头。
- mlflow.environment_variables.MLFLOW_TRACKING_AWS_SIGV4 = 'MLFLOW_TRACKING_AWS_SIGV4'
指定是否应使用 AWS signature V4 对 MLflow HTTP 请求进行签名。它将覆盖 (默认:
False)。设置后，它将覆盖 “Authorization” HTTP 头。 有关更多信息，请参见 https://docs.aws.amazon.com/general/latest/gr/signature-version-4.html。
- mlflow.environment_variables.MLFLOW_TRACKING_CLIENT_CERT_PATH = 'MLFLOW_TRACKING_CLIENT_CERT_PATH'
在
requests.request函数中设置cert参数，参见 https://requests.readthedocs.io/en/master/api/（默认：None）
- mlflow.environment_variables.MLFLOW_TRACKING_DIR = 'MLFLOW_TRACKING_DIR'
指定用于跟踪 FileStore 的默认根目录。 (default:
None)
- mlflow.environment_variables.MLFLOW_TRACKING_INSECURE_TLS = 'MLFLOW_TRACKING_INSECURE_TLS'
指定是否在
requests.request函数中验证 TLS 连接，参见 https://requests.readthedocs.io/en/master/api/（默认：False）。
- mlflow.environment_variables.MLFLOW_TRACKING_PASSWORD = 'MLFLOW_TRACKING_PASSWORD'
指定用于与跟踪服务器进行身份验证的密码。（默认:
None）
- mlflow.environment_variables.MLFLOW_TRACKING_SERVER_CERT_PATH = 'MLFLOW_TRACKING_SERVER_CERT_PATH'
设置
verify参数在requests.request函数中，参见 https://requests.readthedocs.io/en/master/api/（默认：None）
- mlflow.environment_variables.MLFLOW_TRACKING_TOKEN = 'MLFLOW_TRACKING_TOKEN'
指定并优先用于在 HTTP 请求上设置 basic/bearer 身份验证。 (默认:
None)
- mlflow.environment_variables.MLFLOW_TRACKING_URI = 'MLFLOW_TRACKING_URI'
指定 tracking URI。 (默认:
None)
- mlflow.environment_variables.MLFLOW_TRACKING_USERNAME = 'MLFLOW_TRACKING_USERNAME'
指定用于与跟踪服务器进行身份验证的用户名。 (默认:
None)
- mlflow.environment_variables.MLFLOW_TRUNCATE_LONG_VALUES = 'MLFLOW_TRUNCATE_LONG_VALUES'
如果设置为 True，以下实体将被截断到它们的最大长度： - Param value - Tag value 如果设置为 False，当实体的长度超过最大长度时将引发异常。 (default:
True)
- mlflow.environment_variables.MLFLOW_UC_OSS_TOKEN = 'MLFLOW_UC_OSS_TOKEN'
指定并优先用于在 http 请求上设置 UC OSS 的 basic/bearer 身份验证。 (default:
None)
- mlflow.environment_variables.MLFLOW_USE_DATABRICKS_SDK_MODEL_ARTIFACTS_REPO_FOR_UC = 'MLFLOW_USE_DATABRICKS_SDK_MODEL_ARTIFACTS_REPO_FOR_UC'
在向 Databricks UC 注册和从 Databricks UC 加载模型时，请使用 DatabricksSDKModelsArtifactRepository。对于启用了 SEG（Secure Egress Gateway）的工作区，这是必需的，并有助于消除与现有模型工件仓库类中使用的临时作用域令牌生成相关的模型外泄风险。
- mlflow.environment_variables.MLFLOW_WEBHOOK_CACHE_TTL = 'MLFLOW_WEBHOOK_CACHE_TTL'
指定 webhook 列表缓存的 TTL（以秒为单位） (默认:
60)
- mlflow.environment_variables.MLFLOW_WEBHOOK_DELIVERY_MAX_WORKERS = 'MLFLOW_WEBHOOK_DELIVERY_MAX_WORKERS'
指定 webhook 投递线程池的最大线程数 (默认:
10)
- mlflow.environment_variables.MLFLOW_WEBHOOK_REQUEST_MAX_RETRIES = 'MLFLOW_WEBHOOK_REQUEST_MAX_RETRIES'
指定 webhook HTTP 请求的最大重试次数（默认：
3）
- mlflow.environment_variables.MLFLOW_WEBHOOK_REQUEST_TIMEOUT = 'MLFLOW_WEBHOOK_REQUEST_TIMEOUT'
指定 webhook HTTP 请求的超时时间（秒）（默认：
30）