MLflow トレースを使用すると、複雑なエージェントベースのシステムを含む GenAI アプリケーションを エンドツーエンドで監視できます 。 入力、出力、中間ステップ、メタデータが記録されるため、アプリの動作を正確に確認できます。
トレースを使用すると、次のことができます。
- アプリケーションをデバッグして理解する
- パフォーマンスを監視し、コストを最適化する
- 運用アプリケーションを監視する
- 高品質のアプリケーション パフォーマンスを評価して改善する
- 監査可能性とコンプライアンスを確認する
- トレースを多くの一般的なサードパーティ フレームワークと統合する
- Genie Code で自然言語を使用してトレース データを分析、デバッグ、探索する
トレースが格納される場所
トレースを格納するには、2 つのオプションがあります。 Databricks では、新規および運用環境のワークロード用に Unity カタログにトレースを格納することをお勧めします。 トレースを保存するオプションに関係なく、MLflow 実験はトレースを表示するための UI エントリ ポイントです。
- Unity カタログに格納されているトレース (推奨): OpenTelemetry (OTel) Delta テーブルにトレースが配置されるように、Unity カタログトレースの場所で実験をポイントします。 ストレージの上限はなく、トレースはデルタ テーブルと同様に SQL でクエリ可能であり、Unity カタログはアクセスを制御します。
- 実験に格納されたトレース: MLflow は実験自体にトレースを格納しますが、MLflow は実験ごとに 100,000 トレースでストレージを上限とし、このオプションは最新の MLflow 機能と互換性がない可能性があります。
| 能力 | Unity カタログに格納されているトレース | 実験に格納されたトレース |
|---|---|---|
| ストレージの制限 | Unlimited | 実験あたり 100,000 トレース |
| クエリ オプション | MLflow UI と Python SDK に加えて、SQL、Genie、AI/BI ダッシュボード、Spark ベースのツール | MLflow UI と Python SDK |
| Governance | Unity カタログのスキーマとテーブルのアクセス許可 | 実験レベルのアクセス制御 |
| OpenTelemetry の互換性 | 他の OTel クライアントおよびツールと互換性のある OTel 形式で格納されたトレース | サポートしていません |
その他のリソース
- 10 分間のトレース デモ - Azure Databricks でトレースを使い始める方法。
- アプリをインストルメント化 する - 自動トレース方法と手動トレース 方法を選択する
- エージェントの可観測性と評価のための Genie Code - 自然言語を使用してトレースの分析、エラーのトラブルシューティング、評価データの探索を行います。
