前言：
MLFlow运行默认使用Conda安装所有依赖项。Conda 是一个开源的python软件包管理和环境管理工具，可用于安装多个python版本的软件包及其依赖关系，并在它们之间轻松切换。mlflow开源工具处在alpha版，api与命令可能会频繁变化，最新版可能与本文有出入。
1. 安装conda环境
centos7下安装conda参考：conda的安装与使用（最新版）
2. mlflow安装与运行
使用git下载mlflow工程
git clone https://github.com/mlflow/mlflow
使用pip安装mlflow，命令如下：
pip install mlflow
进入mlfow目录，训练并保存模型：
python examples/quickstart/mlflow_tracking.py
启动 Tracking UI
mlflow ui
3. 使用mlflow部署服务
运行如下命令，训练并保存模型
python examples/sklearn_logisitic_regression/train.py
运行如下命令，开启服务，其中‘721a62744a9d47afa71d383e855840df ’为上步骤保存模型的ID
mlflow sklearn serve -r 721a62744a9d47afa71d383e855840df -m model
默认端口为5000，访问服务：
curl -d '[{"x": 1}, {"x": -1}]' -H 'Content-Type: application/json' -X POST localhost:5000/invocations
参考：
[原]数据科学教程: 如何使用 mlflow 管理数据科学工作流
