Con SSL habilitado (recomendado):

https://<IP-CON-GUIONES>.sslip.io/

‍

Ejemplo: si tu VM tiene la IP 200.25.101.125:

https://200-25-101-125.sslip.io/

‍

Sin SSL:

http://<IP_DE_LA_VM>:30500/

# Ver el pod de MLflow
kubectl get pods -A | grep mlflow

# Ver log de instalación
tail -f /var/log/cuemby/bootstrap.log

# Verificar el endpoint de health
curl http://<IP_DE_LA_VM>:30500/health

‍

Respuesta esperada:

OK

‍

Output esperado del pod:

NAME                      READY   STATUS    RESTARTS
mlflow-xxxxxxxxx-xxxxx    1/1     Running   0        ← Running ✓

Conectar desde tu código Python

import mlflow

# Apuntar al servidor de MLflow
mlflow.set_tracking_uri("http://<IP_DE_LA_VM>:30500")

# Crear o seleccionar un experimento
mlflow.set_experiment("mi-experimento")

# Registrar un run
with mlflow.start_run():
    mlflow.log_param("learning_rate", 0.01)
    mlflow.log_param("epochs", 50)
    mlflow.log_metric("accuracy", 0.95)
    mlflow.log_metric("loss", 0.08)

    # Registrar un modelo
    mlflow.sklearn.log_model(model, "modelo")

‍

Instalar el cliente MLflow

pip install mlflow

‍

Registrar un modelo en el Model Registry

mlflow.register_model(
    model_uri=f"runs:/<RUN_ID>/modelo",
    name="mi-modelo"
)

‍

💡 Tip: Con SSL habilitado, usa https:// en set_tracking_uri. Si el certificado es de sslip.io, el cliente Python lo acepta sin configuración adicional.