ghcr.io/kubeflow/kfp-cache-server:2.17.1

Kubeflow Pipelines

Kubeflow Pipelines 服务概述

Kubeflow 是一款机器学习（ML）工具集，致力于简化在 Kubernetes 上部署 ML 工作流的流程，保障其可移植性与可扩展性。

Kubeflow Pipelines 是基于 Kubeflow Pipelines SDK 构建的可复用端到端机器学习工作流。

Kubeflow Pipelines 服务的目标如下：

• 端到端编排：支持并简化端到端机器学习流水线的编排流程
• 便捷实验：方便用户尝试各类思路与技术，同时管理不同的试运行/实验项目
• 易于复用：支持复用组件和流水线，快速搭建端到端解决方案，无需每次从头构建

安装

• Kubeflow Pipelines 可作为 Kubeflow 平台的组件之一完成安装。你也可以将 Kubeflow Pipelines 作为独立服务部署。
• 流水线执行过程使用 https://argo-workflows.readthedocs.io/en/latest/workflow-executors/，该执行器独立于 Kubernetes 容器运行时。

依赖兼容性矩阵

[!IMPORTANT] KFP 3.0 兼容性说明：KFP 2.x 仍支持 Argo Workflows 3.x 版本，但该版本已被标记为弃用，Kubeflow Pipelines 3.0 将不再提供支持。升级到 KFP 3.0 之前，运维人员必须将 Argo Workflows 控制器升级到本矩阵中列出的 4.x 受支持版本。相关功能移除与迁移工作可跟踪 https://github.com/kubeflow/pipelines/issues/***。

文档

如需开启首个流水线的实操入门并了解更多详情，请参阅 Kubeflow Pipelines 概述。

你可以通过多种方式学习使用 https://kubeflow-pipelines.readthedocs.io/en/stable/。

如需了解 API 规范，请查阅 Kubeflow Pipelines API 文档。

使用 Python SDK 编写流水线时，请参考 https://kubeflow-pipelines.readthedocs.io/en/stable/。

Deep Wiki

你可以在 DeepWiki 查看本仓库由 AI 生成的配套文档。

[!WARNING] 请注意，该文档由 AI 生成，内容可能无法保证完全准确。

为 Kubeflow Pipelines 贡献代码

在开始向 Kubeflow Pipelines 贡献内容之前，请阅读贡献指南中的规范要求。如需了解如何基于源码构建并部署 Kubeflow Pipelines，请查阅开发者指南。

可选的 just 命令运行工具

为方便本地开发，本仓库在根目录下内置了可选的 https://github.com/casey/just 命令运行工具。它为现有 make 目标提供了简短别名，不会替代任何 CI 或发布流程。

使用前请先安装 just，之后即可执行如下示例命令：

just # 列出所有可用操作条目
just backend-test
just backend-images

相关说明：

• 所有 just 操作条目都是现有 make 目标的轻量封装（例如 make -C backend/src/v2 test）。
• 本工具刻意未提供通用的 just build 或 just test 操作条目：涉及重负载任务或 Docker 构建的流程，仅通过命名明确的操作条目对外暴露，例如 backend-images。

Kubeflow Pipelines 社区

社区会议

Kubeflow Pipelines 社区会议每两周召开一次，时间为太平洋时间每周三上午 10 点至 11 点。

• https://calendar.google.com/event?action=TEMPLATE&tmeid=NTdoNG5uMDBtcnJlYmdlOWt1c2lkY25jdmlfMjAxOTExMTNUMTgwMDAwWiBqZXNzaWV6aHVAZ29vZ2xlLmNvbQ&tmsrc=jessiezhu%40google.com&scp=ALL
• https://zoom.us/j/92607298595?pwd%3DVlKLUbiguGkbT9oKbaoDmCxrhbRop7.1&sa=D&source=calendar&ust=1736264977415448&usg=AOvVaw1EIkjFsKy0d4yQPptIJS3x
• 会议纪要

Slack 频道

我们在云原生计算基金会（CNCF）的 Slack 工作区中设有 #kubeflow-pipelines 频道，更多细节请访问 [***]。

架构

KFP 架构的详细说明请查阅 Architecture.md。

相关博客文章

• 从原始数据到模型服务：基于 Kubeflow 的 AI/ML 全生命周期落地方案（作者：https://github.com/hbelmiro）
• https://cloud.google.com/blog/products/ai-machine-learning/getting-started-kubeflow-pipelines（作者：Amy Unruh）
• 如何创建并部署 Kubeflow 机器学习流水线（作者：Lak Lakshmanan）
• 第 1 部分：如何创建并部署 Kubeflow 机器学习流水线
• 第 2 部分：如何将 Jupyter Notebook 部署为 Kubeflow ML 流水线的组件
• 第 3 部分：如何基于 Kubeflow ML 流水线实现机器学习领域的 CI/CD（MLOps）

致谢

Kubeflow Pipelines 默认底层使用 [Argo Workflows] 实现 Kubernetes 资源的编排，Argo 社区提供了大量支持，我们在此深表感谢。