我在 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。
我正在寻找一种工具来弥合差距，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。
我相信似乎适合这项工作的工具是 Kubeflow Pipelines。其他竞争者是 Jenkins、Gitlab 和 TravisCI。
Kubeflow 是绝对适合这项工作的工具吗？与其他人相比，Kubeflow 的优缺点是什么？如果有人已经做过研究，甚至可能建造了管道......
【问题讨论】：
标签： continuous-integration artificial-intelligence kubeflow mleap seldon
GitLab 实际上就是开箱即用的 Kubeflow Pipelines，它类似于 Yaml 到 CircleCI 或 TravisCI。我最终将其用作 Kubeflow Pipelines 的替代品。
关于 Kubeflow... 在尝试了 0.5 和 0.6 版本的 Kubeflow 之后，我们的感觉是它还很不稳定。安装到 MiniKube（本地 K8S）和 AWS EKS 都不是很顺利。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）。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可以覆盖该选项。
Kubeflow 也在切换到 Kuztomize，它还不稳定，所以如果你现在使用它，你将使用不再支持的 Ksonnet，你将学习一个工具，你迟早会通过窗口。
总而言之，应该等待 1.0 版本，但 Gitlab 作为 kubeflow Pipelines 的替代品做得很棒。
希望对有相同想法的人有所帮助
【讨论】：