必须显式配置MLflow后端存储才能实现真正版本控制，否则模型注册等功能不可用；本地用SQLite快速验证，生产环境需PostgreSQL/MySQL；log_model仅存档，register_model才注册版本；Git信息需在仓库根目录运行或通过环境变量注入；注册模型须显式设stage才能用于生产。
直接用 mlflow.start_run() 就能开始版本控制？不，得先配好后端
MLflow 默认把实验存到本地 mlruns/ 目录，这种模式下你根本没法做真正的“版本控制”——没有统一存储、无法多人协作、模型注册表（Model Registry）功能直接不可用。必须显式配置后端存储，否则后续所有版本管理操作都会失败。
常见错误现象：mlflow.register_model() 报错 InvalidInputError: Model registry functionality is not supported with the current backend；或者 UI 里看不到 “Models” 标签页。
- 本地开发快速验证：用 SQLite，一行命令启动服务：
mlflow server --backend-store-uri sqlite:///mlflow.db --default-artifact-root ./artifacts --host 0.0.0.0 --port 5000 - 团队协作或生产环境：必须用 PostgreSQL 或 MySQL，不能只靠文件系统；
sqlite:///在并发写入时会锁死，且不支持模型阶段（Staging/Production）切换 -
--default-artifact-root路径必须可写，且建议用绝对路径（如/home/user/mlflow-artifacts），相对路径在不同工作目录下容易指向错位置
mlflow.log_model() 和 mlflow.register_model() 的区别到底在哪？
前者只是把模型文件存进 artifact 存储（比如 ./artifacts/1/abc123/model），后者才是创建一个带版本号、可查可管的“注册模型”。没调 register_model，就等于没进版本库——你在 UI 里看到的只是散落的模型快照，不是受控的版本实体。
使用场景：只有注册后的模型才能打标签、切阶段、做 AB 测试对比、被下游服务稳定加载。
立即学习“Python免费学习笔记（深入）”；
-
mlflow.sklearn.log_model(model, "my_model")→ 保存模型到当前 run 的 artifacts 下 -
mlflow.register_model("models:/my_model/1", "MyIrisModel")→ 把 run 中第 1 版本的模型注册为名为MyIrisModel的注册模型，自动生成 v1 - 注册时名字（如
"MyIrisModel"）是全局唯一的标识符，后续所有版本都挂在这个名字下，不是随便起的字符串
怎么让每次训练自动对应 Git 提交？别手动填 git.sha
MLflow 默认会尝试读取当前目录的 Git 信息，但前提是：代码必须在 Git 仓库根目录下运行，且未处于 detached HEAD 状态。很多人在子目录跑脚本或用 Jupyter notebook，结果 source_version 字段为空，导致实验失去可复现锚点。
参数差异：mlflow.start_run(source_version="abc123") 可强制指定，但更稳妥的是用 mlflow.set_tracking_uri() 配合环境变量驱动。
- 确保训练脚本在 Git 仓库根目录执行，或设置
os.chdir()到仓库根 - CI/CD 场景下，推荐用环境变量注入：
MLFLOW_GIT_REPO_URL+MLFLOW_GIT_COMMIT，MLflow 会自动识别并记录 - 如果用
mlflow.projects.run()启动，它会自动打包当前 Git HEAD，比手写start_run更可靠
模型版本升级后，旧版本还能用吗？小心 get_model_version() 返回 None
注册模型后，新版本默认是 None 阶段（即未指定），不是自动变成 Staging。如果你代码里写 client.get_model_version(name="MyIrisModel", version=1) 却返回 None，大概率是这个版本还没被显式 transition 过阶段，或者名字拼错了。
性能影响：频繁调用 get_model_version() 不会慢，但若传错 name 或 version，会抛异常而非静默失败，下游服务可能直接 crash。
- 阶段切换必须显式调用：
client.transition_model_version_stage(name="MyIrisModel", version=1, stage="Staging") -
name区分大小写，且不能含空格或特殊字符；version是整数，不是字符串 "1" - 加载生产模型时，建议用 stage 加载而非硬编码 version：
models:/MyIrisModel/Production，避免上线后还要改代码
