我正在使用DataFlow上的MLFlow训练模型，并将最终模型输出到S3上。然后，使用Seldon-Core打包模型并将其部署到AWS EKS。
我正在寻找一种工具，可以通过从S3提取模型，将其打包到docker容器中以及使用Seldon-Core K8S模板将其推送到AWS EKS来弥合差距。
我相信似乎适合这项工作的工具是Kubeflow Pipelines。其他竞争者包括Jenkins，Gitlab和TravisCI。
Kubeflow是绝对合适的工具吗？与其他人相比，Kubeflow的优缺点是什么？如果有人已经进行了研究甚至可能已经建立了管道...
答案 0 :(得分：0)
GitLab实际上确实是开箱即用的Kubeflow Pipelines，它类似于CircleCI或TravisCI的Yaml。我最终用它代替了Kubeflow Pipelines。
关于Kubeflow ... 在以0.5和0.6版本对Kubeflow进行实验之后，我们的感觉还很不稳定。安装到MiniKube（本地K8S）到AWS EKS都没有顺利进行。对于MiniKube，文档中的安装脚本已损坏，您将能够看到很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，而必须安装旧版本。 Kubeflow希望以特定的方式管理工作节点，而我们的安全策略则不允许这样做，只有在订单版本中，您才能覆盖该选项。
Kubeflow也将切换到Kuztomize，它还不稳定，因此，如果现在使用它，则将使用不再受支持的Ksonnet，并且您将学到一个迟早会在窗口中浏览的工具。 / p>
总而言之，应该等待1.0版，但是Gitlab做得很出色，可以替代kubeflow Pipelines。
希望这对有相同想法的人有所帮助