从零在单机上搭建k8s，kubeflow1.7机器学习平台前言kubeflow是在k8s之上搭建的机器学习平台，涵盖了机器学习的开发、训练、优化、部署、管理阶段。由于我是在单机上进行的，故k8s环境是基于kind来进行快速搭建。Kind是一个通过使用docker容器模拟节点来创建本地k8s集群的工具。综上，不难看出，kubeflow依赖于k8s，kind创建的k8s位于docker容器中。一、基础环境准备centos版本：CentOSLinuxrelease7.6.1810docker版本：24.0.7kind版本：0.17.0[注：kind0.17.0默认用的是v.1.25.3版本k8s]k

MLOPS：大数据/服务器下的大规模机器学习技术—流水线处理技术的简介(标准化/自动化/可复用化)、常用框架(Pipeline/TFX、Airflow/Beam/Kubeflow/MLflow、Flink/Kafka)之详细攻略目录流水线处理技术的简介1、流水线处理技术的概述(标准化/自动化/可复用化)

1Kubeflow简介1.1什么是Kubeflow来自官网的一段介绍：Kubeflow项目致力于使机器学习(ML)工作流在Kubernetes上的部署变得简单、可移植和可扩展。Kubeflow的目标不是重新创建其他服务，而是提供一种直接的方法，将用于ML的同类最佳开源系统部署到不同的基础设施中。在任何运行Kubernetes的地方，开发者都应该能够运行Kubeflow。从官网这段介绍可以看出，Kubeflow与Kubernetes是形影不离的。总的来说，Kubeflow是google开源的一个基于Kubernetes的MLworkflow平台，其集成了大量的机器学习工具，比如用于交互性实验的j