ghcr.io/kubeflow/kfp-scheduled-workflow-controller:run-36442419495-1

Kubeflow Pipelines

Kubeflow 流水线服务概述

Kubeflow 是一款机器学习（ML）工具集，致力于简化 Kubernetes 上 ML 工作流的部署流程，使其具备便携性与可扩展性。

Kubeflow 流水线 是基于 Kubeflow Pipelines SDK 构建的可复用端到端 ML 工作流。

Kubeflow 流水线服务的目标如下：

• 端到端编排：支持并简化端到端机器学习流水线的编排工作
• 便捷实验：支持快速验证各类思路与技术，轻松管理不同的试验/实验任务
• 高效复用：支持复用组件与流水线，快速搭建端到端解决方案，无需每次从零构建

安装

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

• 流水线执行采用 https://argo-workflows.readthedocs.io/en/latest/workflow-executors/，该执行器独立于 Kubernetes 容器运行时。

依赖兼容矩阵

[!IMPORTANT] KFP 3.0 兼容性说明：KFP 2.x 仍支持 Argo Workflows 3.x，但该版本已被标记为废弃，Kubeflow Pipelines 3.0 将不再提供支持。升级至 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。可关注 https://github.com/kubeflow/pipelines/issues/*** 了解移除相关功能与迁移工作的进展。

文档

你可以在 Kubeflow Pipelines 概述 中学习第一条流水线的创建方法并了解更多详情。

查看 https://kubeflow-pipelines.readthedocs.io/en/stable/ 了解 SDK 的各类用法。

参考 Kubeflow Pipelines API 文档 查看 API 规范说明。

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

Deep Wiki

欢迎访问 DeepWiki 查看本仓库由 AI 驱动的文档内容。

[!WARNING] 请注意：该内容由 AI 生成，信息可能无法保证完全准确。

为 Kubeflow Pipelines 贡献代码

在开始为 Kubeflow Pipelines 贡献代码前，请阅读 贡献指南 中的规则。如需了解如何从源码构建并部署 Kubeflow Pipelines，请参考 开发者指南。

可选的 just 命令运行器

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

使用方式为：先安装 just，再执行相关命令，示例如下：

just # 列出所有可用任务
just backend-test
just backend-images

说明：

• 所有 just 任务都是现有 make 目标的轻量封装（例如 make -C backend/src/v2 test）。
• 本实现刻意未提供通用的 just build 或 just test 任务；涉及大量资源消耗或 Docker 构建的流程仅通过明确命名的任务暴露，例如 backend-images。

Kubeflow Pipelines 社区

社区会议

Kubeflow Pipelines 社区会议每隔一周的太平洋标准时间周三上午 10 点至 11 点召开。

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

我们在云原生计算基金会的 Slack 工作区中设有 #kubeflow-pipelines 频道。更多详情请访问 [***]。

架构

KFP 架构的详细说明请参考 Architecture.md。

技术博客文章

• 从原始数据到模型服务：基于 Kubeflow 的 AI/ML 生命周期全流程蓝图（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：如何使用 Kubeflow ML 流水线实现机器学习领域的 CI/CD（即 MLOps）

致谢

Kubeflow Pipelines 默认底层使用 [Argo Workflows] 编排 Kubernetes 资源。Argo 社区给予了我们极大的支持，在此深表感谢。

镜像名称：ghcr.io/kubeflow/kfp-scheduled-workflow-controller 参考标签：latest