用React+Flask搭建自定义门户：嵌入Amazon SageMaker AI MLflow Apps的完整方案

一句话看懂

AWS官方方案：用React+Flask反向代理，把SageMaker AI MLflow Apps嵌入自定义门户，实现单点登录和持久化URL，无需分发预签名URL或管理控制台权限。

详细发生了什么

随着ML团队规模扩大，让数据科学家访问MLflow实验跟踪UI成了管理难题。分发预签名URL在几十人团队中不可扩展，给每个人开AWS管理控制台权限又增加运维负担。

AWS这篇博客提出了一套完整架构：前端用React，后端用Flask反向代理，部署在EC2上，通过Application Load Balancer (ALB)统一入口。Flask代理负责处理AWS SigV4签名认证，将请求转发给SageMaker AI MLflow Apps的无服务器端点，并重写HTML中的绝对URL为相对路径、剥离X-Frame-Options头，让MLflow UI能在iframe中正常渲染。

整个方案通过AWS CDK一键部署，支持SSO集成，用户只需一次认证就能在内部门户中访问MLflow，同时CI/CD流水线也能通过同一代理端点调用MLflow REST API。

中文圈视角

这套方案对国内AWS用户非常实用，尤其是那些已经使用SageMaker AI MLflow Apps但苦于访问管理的团队。

国内用户能用吗？ 需要AWS账号，且SageMaker AI MLflow Apps目前在中国区域（如北京、宁夏）可用，但需要确保MLflow App所在区域支持。如果使用国内AWS区域，网络延迟通常可接受。

有平替吗？ 国内MLflow托管服务较少，阿里云PAI提供类似实验跟踪功能，但API和生态不同。如果团队已深度绑定AWS，此方案是最直接的。对于自建MLflow的用户，可以参考其反向代理+iframe思路，但SigV4认证部分需替换为自建认证。

对中文用户的具体场景影响：适合金融、制造等企业，内部已有SSO门户（如钉钉、飞书、企业微信），希望将MLflow嵌入其中，减少数据科学家切换上下文的成本。但需注意iframe可能被某些企业安全策略拦截，需要IT配合放行。

监管/合规角度：数据不出AWS区域，但通过反向代理时，需确保代理服务器（EC2）安全配置，避免成为数据泄露点。建议使用HTTPS并限制IP白名单。

几条值得记住的细节

架构组件：ALB（入口）+ React前端 + Flask反向代理（EC2）+ SageMaker AI MLflow Apps（无服务器）。
Flask代理做三件事：SigV4签名请求、重写MLflow URL为相对路径、剥离X-Frame-Options头。
部署依赖：AWS CLI v2.34.5+、Python 3.13+、CDK v2.243.0+、Node.js 18.x+。
成本主要来自EC2实例、ALB、SageMaker资源和S3存储，建议使用AWS Pricing Calculator预估。
生产环境必须启用HTTPS，通过ACM添加SSL证书。

一句话总结

如果你的团队用SageMaker AI MLflow Apps且需要SSO集成，这个开源方案能省去预签名URL分发和权限管理麻烦。