fix: opt-out из maintenance mode file-store серверного бэкенда (MLFLOW_ALLOW_FILE_STORE=true)

AGENTS.md

@@ -142,6 +142,7 @@ mlflow run . -P epochs=10 -P batch_size=256 -P lr=0.001 --entry-point gpu
 - `train_gpu.py` передаёт `input_example` → сигнатура авто-infer'ится.
 - `autolog_demo.py` намеренно отключает сигнатуры (`log_model_signatures=False`) как демо опций autolog — там warning ожидаем.
 - **INFO про переменные окружения** (`OPENAI_API_KEY` и т.п.) при логировании подавлено через `MLFLOW_RECORD_ENV_VARS_IN_MODEL_LOGGING=false` в скриптах, логирующих модели.
+- **File-store как СЕРВЕРНЫЙ бэкенд в maintenance mode (MLflow 3.x)**: `mlflow server --backend-store-uri file://...` по умолчанию падает с `MlflowException ... filesystem tracking backend is in maintenance mode`. Официальный opt-out — `export MLFLOW_ALLOW_FILE_STORE=true` (уже выставлено в `start_ui.sh` перед file-блоком). Это касается ТОЛЬКО сервера; клиентский file store (как пишут скрипты в `./mlruns`) работает без opt-out. Альтернатива без opt-out — SQLite-бэкенд (закомментированный блок в `start_ui.sh`), но тогда скрипты должны логировать на сервер через `mlflow.set_tracking_uri('http://localhost:5555')`.
 - **`input_example` для `mlflow.pytorch.log_model` — только numpy**, не `torch.Tensor`: MLflow 3.x валидирует пример входа и падает с `MlflowException ... but got '<class 'torch.Tensor'>'`. В `train_gpu.py` передаётся `np.random.rand(1,1,28,28).astype(np.float32)`. Аналогично для других flavor'ов — пример должен быть DataFrame/ndarray/dict/list/скаляр.
 - **urllib3 `NotOpenSSLWarning`** на macOS (системный `ssl` собран с LibreSSL 2.8.3, urllib3 v2 просит OpenSSL 1.1.1+) — стороннее шумовое предупреждение, к проекту отношения не имеет; не подавляем (чтобы не прятать реальные предупреждения).
 - **«Эксперимент не виден в UI» (главная причина)**: скрипты по умолчанию пишут в локальный file store `./mlruns`, а `start_ui.sh` раньше поднимал сервер на **SQLite** (`mlflow.db`) — два разных хранилища, UI ничего не показывал. Теперь `start_ui.sh` использует `--backend-store-uri file://${PWD}/mlruns` — **то же хранилище, что и скрипты**, поэтому всё видно без настройки tracking URI. Альтернатива (SQLite-бэкенд) оставлена закомментированной в `start_ui.sh`; при её включении в скриптах нужно задать `mlflow.set_tracking_uri('http://localhost:5555')` (или `MLFLOW_TRACKING_URI`).

start_ui.sh

@@ -7,9 +7,14 @@
 #  пишут по умолчанию). Поэтому UI видит все эксперименты/запуски
 #  без доп. настройки tracking URI в скриптах.
 #
-#  Альтернатива — SQLite-бэкенд (нужен, только если хотите SQL-запросы
-#  к запускам). Тогда раскомментируйте блок SQLITE ниже и закомментируйте
-#  FILE, а в скриптах задайте mlflow.set_tracking_uri("http://localhost:5555")
+#  ВАЖНО: file-store как СЕРВЕРНЫЙ бэкенд в новых MLflow (3.x) переведён в
+#  maintenance mode и по умолчанию запрещён. Официальный opt-out —
+#  MLFLOW_ALLOW_FILE_STORE=true (его и выставляем ниже). Это касается только
+#  `mlflow server`; клиентский file store (как пишут скрипты) работает и без него.
+#
+#  Альтернатива — SQLite-бэкенд (recommended MLflow, без opt-out). Тогда
+#  раскомментируйте блок SQLITE ниже и закомментируйте FILE, а в скриптах
+#  задайте mlflow.set_tracking_uri("http://localhost:5555")
 #  (или export MLFLOW_TRACKING_URI=http://localhost:5555).
 # ============================================================
 set -e
@@ -26,6 +31,8 @@ echo "   Нажмите Ctrl+C для остановки"
 echo ""
 
 # ─── FILE backend (по умолчанию — единое хранилище со скриптами) ───
+# MLFLOW_ALLOW_FILE_STORE=true — opt-out из maintenance mode file-store бэкенда.
+export MLFLOW_ALLOW_FILE_STORE=true
 mlflow server \
     --backend-store-uri "file://${PWD}/mlruns" \
     --default-artifact-root "file://${PWD}/artifacts" \