ghcr.io/kubeflow/kfp-launcher:2.17.2

Kubeflow Pipelines

Kubeflow 管道服务概述

Kubeflow 是一个机器学习（ML）工具包，致力于简化在 Kubernetes 上部署 ML 工作流，使其具备简单性、可移植性和可扩展性。

Kubeflow 管道是使用 Kubeflow Pipelines SDK 构建的可重用端到端 ML 工作流。

Kubeflow 管道服务具有以下目标：

• 端到端编排：支持并简化端到端机器学习管道的编排
• 轻松实验：让您能够轻松尝试多种想法和技术，并管理各种试验/实验
• 易于重用：使您能够重用组件和管道，快速构建端到端解决方案，无需每次重新构建

安装

• Kubeflow Pipelines 可作为Kubeflow 平台的一部分安装。或者，您也可以将Kubeflow Pipelines部署为独立服务。

• Docker 容器运行时在 Kubernetes 1.20+ 版本已被弃用。从 Kubeflow Pipelines 1.8 开始，默认已切换为使用Emissary Executor。Emissary 执行器与容器运行时无关，这意味着您可以在使用任何https://kubernetes.io/docs/setup/production-environment/container-runtimes/的 Kubernetes 集群上运行 Kubeflow Pipelines。

依赖项兼容性矩阵

[!IMPORTANT] KFP 3.0 兼容性说明：Argo Workflows 3.x 仍支持 KFP 2.x，但已被弃用，且 Kubeflow Pipelines 3.0 将不再支持。在升级到 KFP 3.0 之前，管理员必须将其 Argo Workflows 控制器升级到本矩阵中列出的受支持 4.x 版本。有关移除和迁移工作，请关注https://github.com/kubeflow/pipelines/issues/***。

文档

通过Kubeflow Pipelines 概述开始使用您的第一个管道并阅读更多信息。

查看https://kubeflow-pipelines.readthedocs.io/en/stable/的各种方式。

有关 API 规范，请参见 Kubeflow 管道 API 文档。

使用 Python SDK 编写管道时，请参考https://kubeflow-pipelines.readthedocs.io/en/stable/。

深度维基

查看我们在DeepWiki上的 AI 驱动的仓库文档。

[!WARNING] 请注意，这是 AI 生成的内容，可能包含不完全准确的信息。

为 Kubeflow Pipelines 做贡献

在开始为 Kubeflow Pipelines 做贡献之前，请阅读贡献指南中的准则。要了解如何从源代码构建和部署 Kubeflow Pipelines，请阅读开发者指南。

可选的 just 命令运行器

为方便本地开发，此仓库在根目录包含一个可选的https://github.com/casey/just命令运行器。它为现有的 make 目标提供简短别名，且不替换任何 CI 或发布工作流。

要使用它，请安装 just 并运行，例如：

just # 列出可用命令
just backend-test
just backend-images

注意：

• 所有 just 命令都是现有 make 目标的简单包装（例如，make -C backend/src/v2 test）。
• 故意没有通用的 just build 或 just test 命令；繁重或 Docker 构建流程仅通过明确命名的命令（如 backend-images）公开。

Kubeflow Pipelines 社区

社区会议

Kubeflow Pipelines 社区会议每两周周三上午 10-11 点（太平洋标准时间）举行。

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

会议记录

Slack

我们在 Cloud Native Computing Foundation Slack 工作区设有一个 Slack 频道（#kubeflow-pipelines）。您可以在[***]找到更多详细信息。

架构

有关 KFP 架构的详细信息，请参见Architecture.md

博客文章

• 从原始数据到模型服务：使用 Kubeflow 实现 AI/ML 生命周期的蓝图（作者：https://github.com/hbelmiro）
• https://cloud.google.com/blog/products/ai-machine-learning/getting-started-kubeflow-pipelines（作者：Amy Unruh）
• 如何创建和部署 Kubeflow 机器学习管道（作者：Lak Lakshmanan）
• 第一部分：如何创建和部署 Kubeflow 机器学习管道
• 第二部分：如何将 Jupyter 笔记本部署为 Kubeflow ML 管道的组件
• 第三部分：如何使用 Kubeflow ML 管道进行机器学习中的 CI/CD（“MLOps”）

致谢

Kubeflow 管道默认在底层使用https://github.com/argoproj/argo-workflows来编排 Kubernetes 资源。Argo 社区一直非常支持我们，我们对此深表感谢。