<p>MLflow 官方不支持 C# 客户端，因其模型序列化强依赖 Python 运行时与特定包，C# 无法原生调用 mlflow.log_model()；可行方案是 C# 导出模型文件（如 ONNX），再通过 Python 脚本调用 mlflow.onnx.log_model() 包装注册。</p>
MLflow 官方不支持 C# 作为客户端语言，直接调用 mlflow.log_model() 或 mlflow.start_run() 会失败。你无法像 Python 那样用 C# 原生 SDK 把模型文件“记录”进 MLflow。必须绕道 HTTP API 或文件系统桥接。
为什么 C# 不能直接 log_model
MLflow 的核心是 Python 实现，其模型序列化逻辑（如 mlflow.sklearn.save_model()、mlflow.pyfunc.save_model()）强依赖 Python 运行时和特定包（cloudpickle、conda 环境描述等）。C# 没有对应实现，也无官方维护的 .NET SDK。
常见错误现象：HttpRequestException（404/405）、JsonSerializationException（字段缺失）、或日志里出现 Unknown model flavor —— 这些都不是 C# 代码写错了，而是 MLflow 后端根本没收到符合它预期的 payload。
- MLflow server 只认 Python 生成的
MLmodel文件 +conda.yaml+python_version元数据 - C# 写出的纯二进制模型文件（如 ONNX、.pb、.bin）本身可以存，但不会被识别为“MLflow 模型”，也就没有版本、stage、签名等能力
- 试图用
HttpClient模拟 POST /api/2.0/mlflow/models/versions/create 会 400：缺少source字段且格式必须是runs:/<run_id>/<path>或合法 URI
可行方案：用 C# 生成模型文件 + Python 脚本补全 MLflow 元数据
这是目前最稳的落地方式：C# 负责训练/导出模型（如保存为 ONNX），Python 负责把它“包装”成 MLflow 模型并注册。
使用场景：你在 C# 里用 Microsoft.ML 或 ONNXRuntime 训练了模型，想复用 MLflow 的模型仓库、部署和 A/B 测试能力。
- C# 中导出模型到本地路径，例如：
model.SaveModel("onnx/model.onnx") - 确保该路径可被 Python 脚本访问（避免 Windows 路径空格、权限问题）
- 写一个极简 Python 脚本（
wrap_as_mlflow.py），用mlflow.onnx.log_model()或mlflow.pyfunc.log_model()包装它 - 从 C# 用
Process.Start("python", "wrap_as_mlflow.py ...")触发，注意捕获 stderr 防止静默失败
示例 Python 脚本关键行：
import mlflow
mlflow.set_tracking_uri("http://localhost:5000")
with mlflow.start_run():
mlflow.onnx.log_model(onnx_model="onnx/model.onnx", artifact_path="model")如果坚持纯 C# 方案：只写文件，不走 MLflow 模型生命周期
你可以把模型文件（.onnx、.zip、.bin）当成普通 artifact 上传，用 MLflow 的 REST API 的 /api/2.0/mlflow/runs/log-artifact 接口。
这能存文件、能看到，但不是 MLflow 模型：没有 MLmodel 描述、不能用 mlflow models serve、不能设 stage、不能被 mlflow.get_model() 加载。
- 必须手动构造 multipart/form-data 请求，
artifact_path是相对路径（如"artifacts/model.onnx"） - 请求头必须带
Content-Type: multipart/form-data; boundary=...，边界符不能硬编码，要用MultipartFormDataContent类生成 - 上传后，文件在 UI 里显示在 “Artifacts” 标签页，而非 “Model” 标签页 —— 这是判断是否成功的最直观方式
- 兼容性差：MLflow 2.9+ 对大文件分块上传要求更严，C# 默认
HttpClient不自动分块，超 100MB 易超时
真正卡住人的地方不在代码怎么写，而在于混淆了“存文件”和“注册模型”。MLflow 的 model 不是文件，是一套元数据+文件+约定目录结构的组合体。C# 能搞定第一部分，剩下两部分得靠 Python 补齐——这不是妥协，是设计使然。
