Восстановить флаги удалённого доступа в start_ui.sh (allowed-hosts, cors, serve-artifacts, dev)

start_ui.sh

@@ -2,30 +2,35 @@
 # ============================================================
 #  Запуск MLflow Tracking Server
 #  Откройте в браузере: http://localhost:5555
+#  С другой машины:     http://<server-ip>:5555
 #
 #  Backend store = SQLite (mlflow.db) — recommended MLflow backend.
 #  Скрипты в src/ логируют на этот сервер (http://localhost:5555) через
-#  mlflow.set_tracking_uri(...) — поэтому UI и скрипты работают с одной
-#  базой, и эксперименты сразу видны в UI.
+#  mlflow.set_tracking_uri(...) — UI и скрипты работают с одной базой.
 #
-#  ⚠️ file-store как tracking backend в новых MLflow (3.x) переведён в
-#  maintenance mode и запрещён (ошибка и на сервере, и у клиента-скрипта).
-#  Поэтому используем sqlite. Артефакты при этом лежат на локальном диске
-#  в ./artifacts (file-based artifact repository — он НЕ в maintenance mode).
+#  Доступ к UI с других машин (браузером по IP сервера) — включён:
+#    --host 0.0.0.0              слушать на всех интерфейсах
+#    --allowed-hosts "*"         разрешить любой Host-заголовок (иначе MLflow
+#                                режет запросы с Host=<server-ip>:5555)
+#    --cors-allowed-origins "*"  разрешить кросс-доменные API-запросы
+#    MLFLOW_ALLOW_ORIGIN="*"     то же через env (совместимость)
+#    --serve-artifacts           сервер сам отдаёт артефакты (иначе UI на
+#    --artifacts-destination     удалённой машине не скачает model/графики
+#                                по file://-путям)
+#    --dev                       dev-режим (релиакс host-проверок)
 #
-#  Запустите сервер ДО запуска скриптов обучения:
-#    ./start_ui.sh          # в одном терминале
-#    python src/train_simple.py ...   # в другом (нужен работающий сервер)
+#  Запустите сервер ДО запуска скриптов обучения.
 # ============================================================
 set -e
 cd "$(dirname "$0")"
 
 PORT="${MLFLOW_PORT:-5555}"
+export MLFLOW_ALLOW_ORIGIN="*"
 
 echo "🚀 Запускаем MLflow Tracking Server..."
-echo "   UI:        http://localhost:${PORT}"
+echo "   UI:        http://localhost:${PORT}   (с других машин: http://<server-ip>:${PORT})"
 echo "   Backend:   sqlite:///${PWD}/mlflow.db"
-echo "   Artifacts: file://${PWD}/artifacts"
+echo "   Artifacts: file://${PWD}/artifacts  (serve-artifacts включён)"
 echo ""
 echo "   Скрипты логируют сюда через MLFLOW_TRACKING_URI=http://localhost:${PORT}"
 echo "   (можно переопределить: export MLFLOW_TRACKING_URI=http://<host>:${PORT})"
@@ -36,5 +41,10 @@ echo ""
 mlflow server \
     --backend-store-uri "sqlite:///${PWD}/mlflow.db" \
     --default-artifact-root "file://${PWD}/artifacts" \
+    --serve-artifacts \
+    --artifacts-destination "file://${PWD}/artifacts" \
+    --allowed-hosts "*" \
+    --cors-allowed-origins "*" \
     --host 0.0.0.0 \
-    --port "${PORT}"
+    --port "${PORT}" \
+    --dev