返回 AI 工具目录
Kubeflow
基础设施人工精选最近核验 2026年7月23日
Kubeflow 是面向 Kubernetes 的开源机器学习平台工具集,定位为在 K8s 上构建 AI 平台的基础。它由一组模块化、可组合的子项目构成,涵盖 Notebook、模型训练、流水线编排、超参搜索与模型服务等机器学习全生命周期,既可按需单独部署某个组件,也可作为完整发行版整体落地。该项目 Kubernetes 原生,与 GKE、Minikube 等环境配合,并支持 TensorFlow 等框架。需要说明的是,kubeflow/kubeflow 主仓库如今更像各子项目的入口与共享元数据,实际功能开发分散在各子项目仓库。采用 Apache 2.0 许可。
定价开源部署自托管国内可达国内可达许可Apache-2.0
解决什么问题
- 在 Kubernetes 上搭建端到端的机器学习平台
- 按需组合 Notebook、训练、流水线、服务等组件
- 统一编排模型训练与实验流程
- 把模型部署为可扩展的在线服务
- 让 ML 工作负载复用 K8s 的调度与弹性
适合
- 已用 Kubernetes 并要自建 ML 平台的团队
- 需要覆盖训练到服务的完整 MLOps 流程
- 希望按需选用而非绑定单一套件
- 有平台工程能力承接部署与运维
不适合
- 没有 Kubernetes 与平台工程能力时门槛高
- 小团队或单机实验用它过重
- 组件众多,集成与升级维护成本不低
- 主仓库为入口,需转向各子项目获取具体能力
如何接入
- 以 Kubernetes 原生方式部署与运行
- 支持 TensorFlow 等主流 ML 框架
- 可配合 GKE、Minikube 等环境
- 各子项目(Pipelines、Training、Serving 等)按需集成
- 复用 K8s 的存储、调度与网络
已知限制
- 强依赖 Kubernetes,运维复杂度较高
- 组件分散,版本兼容需自行验证
- 主仓库不含完整功能,需查阅子项目
- 上手与长期维护需要专门平台团队
接入与使用事实
- 部署方式
- 自托管
- 实现语言
- Python、Go
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- Apache-2.0
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。