ghcr.io/kubeflow/kfp-persistence-agent:2.5.0

Kubeflow Pipelines

Kubeflow 管道服务概述

Kubeflow 是一个机器学习（ML）工具包，致力于使机器学习工作流在 Kubernetes 上的部署变得简单、可移植且可扩展。

Kubeflow 管道是使用 Kubeflow Pipelines SDK 构建的可重用端到端机器学习工作流。

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
• 轻松重用：使您能够重用组件和管道，快速组合端到端解决方案，而无需每次重新构建

安装

• Kubeflow Pipelines 可以作为Kubeflow 平台的一部分安装。或者您可以将Kubeflow Pipelines部署为独立服务。

• Docker 容器运行时在 Kubernetes 1.20+ 上已被弃用。从 Kubeflow Pipelines 1.8 开始，默认已切换为使用Emissary Executor。Emissary executor 与容器运行时无关，这意味着您可以在具有任何容器运行时的 Kubernetes 集群上运行 Kubeflow Pipelines。

依赖项兼容性矩阵

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。

查看您可以使用 Kubeflow Pipelines SDK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Python SDK 参考文档。

Deep Wiki

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，可能不包含完全准确的信息。

为 Kubeflow Pipelines 贡献

在开始为 Kubeflow Pipelines 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

为方便本地开发者，此仓库在根目录包含一个可选的https://github.com/casey/just%E5%91%BD%E4%BB%A4%E8%BF%90%E8%A1%8C%E5%99%A8%E3%80%82%E5%AE%83%E4%B8%BA%E7%8E%B0%E6%9C%89%E7%9A%84 make 目标提供简短别名，且不替代任何 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 recipes
just backend-test
just backend-images

注意：

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

Kubeflow Pipelines 社区

社区会议

Kubeflow Pipelines 社区会议每两周举行一次，时间为周三上午 10-11 点（太平洋标准时间）。

日历邀请

会议直接链接

会议记录

Slack

我们在 Cloud Native Computing Foundation Slack 工作区还有一个 slack 频道（#kubeflow-pipelines）。您可以在[***]

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%EF%BC%89
• Kubeflow Pipelines 入门（作者：Amy Unruh）
• 如何创建和部署 Kubeflow 机器学习管道（作者：Lak Lakshmanan）
• 第 1 部分：如何创建和部署 Kubeflow 机器学习管道
• 第 2 部分：如何将 Jupyter 笔记本部署为 Kubeflow ML 管道的组件
• 第 3 部分：如何使用 Kubeflow ML 管道执行机器学习中的 CI/CD（“MLOps”）

致谢

Kubeflow 管道默认在底层使用https://github.com/argoproj/argo-workflows%E6%9D%A5%E7%BC%96%E6%8E%92 Kubernetes 资源。Argo 社区一直给予大力支持，我们深表感谢。