开源 CLI 工具,用于在 CI/CD 流程中运行机器学习任务,并把指标和图表报告发布到 Pull Request。
databricks/mlops-stacks
基于 Databricks Asset Bundle 的模板,可一键生成带有 CI/CD 的生产级机器学习项目。
- Star
- 725
- Fork
- 268
- 未关闭 Issue
- 16
- 最近提交
- 19天前
这是什么?
MLOps Stacks 是一个面向 Databricks 的项目模板,用于生成新的机器学习项目,并提供从开发到生产所需的代码结构、资源配置和部署自动化。它以 Databricks CLI bundle 模板的形式分发,执行 `databricks bundle init mlops-stacks` 即可根据参数生成项目。
生成的项目包含三个可单独使用的模块:带单元测试的示例 ML 代码(包括训练与批量推理)、通过 Databricks CLI bundle 以代码形式定义的 ML 资源(任务变更需经 Pull Request 审核),以及基于 GitHub Actions 或 Azure DevOps 的 CI/CD 流程,用于在开发、预发布和生产工作区之间测试与部署。团队既可以只初始化项目,也可以只配置 CI/CD,或将单个组件复制到已有项目中。
该模板可自定义,也适用于 Delta Live Tables 等 Lakehouse 中的其他资源。目前处于公开预览阶段,需要 Python 3.8 及以上版本和 Databricks CLI v0.236.0 或更高版本。
核心功能
- 01通过 Databricks bundle 模板一条命令生成新的 ML 项目。
- 02包含带单元测试的训练与批量推理示例代码。
- 03通过 Databricks CLI bundle 以代码定义 ML 任务与资源,变更经 Pull Request 进行。
- 04提供 GitHub Actions、GitHub Enterprise Server、Azure DevOps 和 GitLab 的 CI/CD 工作流。
- 05支持开发、预发布、生产多工作区隔离,并可将模型注册到 Unity Catalog。
- 06可选集成 Databricks Feature Store 组件。
适用场景
- 在 Databricks 上启动一个已预先配置好 CI/CD 的新机器学习项目。
- 将现有 ML 项目的资源配置和工作流目录复制过来,为其补充生产部署自动化。
- 以版本控制的代码方式管理跨环境的 Databricks 任务和数据管道。
快速上手
- 1
安装 Databricks CLI(0.236.0 或更高版本)
- 2
使用 MLOps Stacks 模板创建新项目
databricks bundle init mlops-stacks
使用前须知
- 需要 Python 3.8+ 和 Databricks CLI 0.236.0 或更高版本。
- 该功能处于 Databricks 公开预览阶段。
- 需要 Databricks 工作区来生成并运行机器学习流水线。
收录于专题
标签
常见问题
- mlops-stacks 是什么?
- 基于 Databricks Asset Bundle 的模板,可一键生成带有 CI/CD 的生产级机器学习项目。 MLOps Stacks 是一个面向 Databricks 的项目模板,用于生成新的机器学习项目,并提供从开发到生产所需的代码结构、资源配置和部署自动化。它以 Databricks CLI bundle 模板的形式分发,执行 `databricks bundle init mlops-stacks` 即可根据参数生成项目。
- mlops-stacks 可以免费使用吗?用的什么许可证?
- mlops-stacks 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- mlops-stacks 还在维护吗?
- 活跃维护中。mlops-stacks 最近一次提交是在 2026年10月20日。
- mlops-stacks 适合用来做什么?
- 在 Databricks 上启动一个已预先配置好 CI/CD 的新机器学习项目。 将现有 ML 项目的资源配置和工作流目录复制过来,为其补充生产部署自动化。 以版本控制的代码方式管理跨环境的 Databricks 任务和数据管道。
- mlops-stacks 怎么安装和运行?
- 安装 Databricks CLI(0.236.0 或更高版本) 使用 MLOps Stacks 模板创建新项目: databricks bundle init mlops-stacks
- 在哪里获取 mlops-stacks?
- 源代码和安装说明在 GitHub 上:https://github.com/databricks/mlops-stacks
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
东北大学 MLOps 课程的实验、阅读材料与练习,涵盖机器学习部署与监控。
开源 IaC 编排工具,在现有 CI 流水线中运行 Terraform 与 OpenTofu,通过 PR 评论触发 plan 和 apply。
从 Pull Request 运行 Terraform 和 OpenTofu,并将状态以依赖图形式存入 PostgreSQL,替代状态文件。
基于 Prompt Flow 的 LLMOps 模板,覆盖 LLM 应用的实验、评估与部署,支持 Azure AI Studio 与 Azure Machine Learning。
一个开源的 AI 计算管理系统,用统一接口在 Kubernetes、Slurm 和多家云上运行与扩展 AI 任务。