[MLflow] 테스트 실험 및 아티팩트 등록해보기

테스트 실험(모델) 등록하기

1. 테스트 실험(모델) 코드

아래 코드는 더미 실험(모델)을 mlflow 에 등록하는 코드이다.
추가로, 더미 artifact도 생성하여 등록하는 코드도 포함되어있다.
os.environ 부분의 mlflow tracking server URL이나 아티팩트 스토어 계정은 알맞게 수정해준다.

# mlflow_run_test.py
import mlflow
import os

# 1. 환경 변수 설정 (호스트 PC 기준 포트 사용)
# .env의 MLFLOW_PORT(5000)와 POSTGRES_PORT(5432)가 호스트에 노출되어 있어야 함
os.environ["MLFLOW_S3_ENDPOINT_URL"] = "http://localhost:9000" # RustFS 외부 포트
os.environ["AWS_ACCESS_KEY_ID"] = "mlflow"
os.environ["AWS_SECRET_ACCESS_KEY"] = "mlflow"

# 2. MLflow 서버 연결
mlflow.set_tracking_uri("http://localhost:5000")
mlflow.set_experiment("artifact-test")

with mlflow.start_run():
    # 파라미터 및 메트릭 기록 (DB 테스트)
    mlflow.log_param("status", "testing")
    mlflow.log_metric("accuracy", 0.95)
    
    # 3. 아티팩트 생성 및 업로드 (S3/RustFS 테스트)
    with open("test_artifact.txt", "w") as f:
        f.write("MLflow Artifact Storage Test Success!")
    
    mlflow.log_artifact("test_artifact.txt")
    
    print("Run completed. Check MLflow UI at http://localhost:5000")

2. 테스트 코드 실행

python 코드를 실행시켜준다.

python .\mlflow_run_test.py

# 출력
2026/03/31 13:21:47 INFO mlflow.tracking.fluent: Experiment with name 'artifact-test' does not exist. Creating a new experiment.

Run completed. Check MLflow UI at http://localhost:5000
🏃 View run selective-goat-696 at: http://localhost:5000/#/experiments/1/runs/bd628892f60a41c8a539e8731a1c4cbb
🧪 View experiment at: http://localhost:5000/#/experiments/1