ML 模型部署 CI/CD
ML model deployment CI/CD
我正在 DataBricks 上使用 MLFlow 训练模型并将最终模型输出到 S3。然后，使用 Seldon-Core 将模型打包并部署到 AWS EKS。
我正在寻找弥合差距的工具，方法是从 S3 获取模型，将其打包到 docker 容器中，然后使用 Seldon-Core K8S 模板将其推送到 AWS EKS。
我认为适合这项工作的工具是 Kubeflow Pipelines。其他竞争者是 Jenkins、Gitlab 和 TravisCI。
Kubeflow 是完成这项工作的绝对正确工具吗？与其他工具相比，Kubeflow 的优缺点是什么？如果有人已经完成了研究甚至建造了管道...
GitLab 实际上开箱即用地完成了 Kubeflow Pipelines 的工作，它类似于 Yaml 到 CircleCI 或 TravisCI。我最终使用它来替代 Kubeflow Pipelines。
关于 Kubeflow...
在对 0.5 和 0.6 版本的 Kubeflow 进行试验后，我们的感觉是它还很不稳定。安装从来没有顺利过，无论是进入 MiniKube（本地 K8S）还是进入 AWS EKS。对于 MiniKube，文档中的安装脚本已损坏，您将能够看到许多人遇到问题并手动编辑安装脚本（这是我必须做的才能正确安装它）。在 EKS 上，我们无法安装 0.5，必须安装更旧的版本。 Kubeflow 希望以特定方式管理工作节点，而我们的安全策略不允许这样做，只有在订单版本中您才能覆盖该选项。
Kubeflow 也正在切换到 Kuztomize，但它还不稳定，所以如果你现在使用它，你将使用不再受支持的 Ksonnet，你将学习一个工具，你将在 window 迟早。
总而言之，应该等待 1.0 版，但 Gitlab 作为 kubeflow Pipelines 的替代品做得很棒。
希望对有同样想法的人有所帮助
我正在 DataBricks 上使用 MLFlow 训练模型并将最终模型输出到 S3。然后，使用 Seldon-Core 将模型打包并部署到 AWS EKS。
我正在寻找弥合差距的工具，方法是从 S3 获取模型，将其打包到 docker 容器中，然后使用 Seldon-Core K8S 模板将其推送到 AWS EKS。
我认为适合这项工作的工具是 Kubeflow Pipelines。其他竞争者是 Jenkins、Gitlab 和 TravisCI。
Kubeflow 是完成这项工作的绝对正确工具吗？与其他工具相比，Kubeflow 的优缺点是什么？如果有人已经完成了研究甚至建造了管道...
GitLab 实际上开箱即用地完成了 Kubeflow Pipelines 的工作，它类似于 Yaml 到 CircleCI 或 TravisCI。我最终使用它来替代 Kubeflow Pipelines。
关于 Kubeflow... 在对 0.5 和 0.6 版本的 Kubeflow 进行试验后，我们的感觉是它还很不稳定。安装从来没有顺利过，无论是进入 MiniKube（本地 K8S）还是进入 AWS EKS。对于 MiniKube，文档中的安装脚本已损坏，您将能够看到许多人遇到问题并手动编辑安装脚本（这是我必须做的才能正确安装它）。在 EKS 上，我们无法安装 0.5，必须安装更旧的版本。 Kubeflow 希望以特定方式管理工作节点，而我们的安全策略不允许这样做，只有在订单版本中您才能覆盖该选项。
Kubeflow 也正在切换到 Kuztomize，但它还不稳定，所以如果你现在使用它，你将使用不再受支持的 Ksonnet，你将学习一个工具，你将在 window 迟早。
总而言之，应该等待 1.0 版，但 Gitlab 作为 kubeflow Pipelines 的替代品做得很棒。
希望对有同样想法的人有所帮助