WeData 3.0 MLflow Header Plugin

一个用于在MLflow请求中自动添加自定义header的插件（WeData 3.0 专用）。

功能

此插件会自动在所有MLflow tracking请求中添加以下header：

• X-Target-Service-IP: 目标服务的IP地址
• X-Target-Service-PORT: 目标服务的端口

安装

方式1: 从源码安装

cd wedata3-mlflow-header-plugin
pip install -e .

方式2: 使用pip安装

pip install wedata3-mlflow-header-plugin

配置

插件通过环境变量来配置header的值：

• MLFLOW_TARGET_SERVICE_IP: 设置目标服务IP（默认: "127.0.0.1"）
• MLFLOW_TARGET_SERVICE_PORT: 设置目标服务端口（默认: "5000"）
• WEDATA_MLFLOW_HEADER_PLUGIN_DEBUG: 开启debug日志输出（默认关闭；可设置为 1/true/on）

配置示例

# 设置环境变量
export MLFLOW_TARGET_SERVICE_IP="192.168.1.100"
export MLFLOW_TARGET_SERVICE_PORT="8080"
export WEDATA_MLFLOW_HEADER_PLUGIN_DEBUG="1"

# 运行你的MLflow代码
python your_mlflow_script.py

或者在Python代码中设置：

import os
os.environ["MLFLOW_TARGET_SERVICE_IP"] = "192.168.1.100"
os.environ["MLFLOW_TARGET_SERVICE_PORT"] = "8080"
os.environ["WEDATA_MLFLOW_HEADER_PLUGIN_DEBUG"] = "1"

import mlflow

# 现在所有MLflow请求都会包含这些header
mlflow.set_tracking_uri("http://your-mlflow-server:5000")
mlflow.start_run()
# ... your MLflow code ...
mlflow.end_run()

使用示例

安装插件后，无需额外代码，MLflow会自动使用此插件：

import mlflow

# 插件会自动添加header到所有请求
mlflow.set_tracking_uri("http://your-mlflow-server:5000")

with mlflow.start_run():
    mlflow.log_param("param1", 5)
    mlflow.log_metric("metric1", 0.85)

验证插件

你可以通过以下方式验证插件是否正常工作：

import mlflow
from mlflow.tracking.request_header.registry import resolve_request_headers

# 检查注册的header providers
headers = resolve_request_headers()
print("Request Headers:", headers)

Debug模式说明

当设置 WEDATA_MLFLOW_HEADER_PLUGIN_DEBUG=1（或 true/on）时，插件会在每次 request_headers() 被调用时输出调试日志到 stderr，内容包括：

• 从哪些环境变量读取 header 值（以及默认值）
• 最终返回给 MLflow 的 headers（对疑似敏感字段会做基础脱敏）

开发

项目结构

wedata3-mlflow-header-plugin/
├── pyproject.toml                    # 安装配置（uv_build）
├── README.md                         # 文档
└── src/
    └── wedata3_mlflow_header_plugin/
        ├── __init__.py               # 包初始化
        └── plugin.py                 # 插件实现

运行测试

pip install pytest
pytest tests/

工作原理

该插件利用MLflow的插件系统，实现了 RequestHeaderProvider 接口。通过在 pyproject.toml 中注册 mlflow.request_header_provider entry point，MLflow会自动发现并加载此插件。

每次MLflow发送HTTP请求时，都会调用插件的 request_headers() 方法，获取需要添加的header。

依赖

• Python >= 3.10
• mlflow >= 2.0.0

许可

MIT License