返回 AI 工具目录
Kubeflow Pipelines
基础设施人工精选最近核验 2026年7月23日
Kubeflow Pipelines 是构建在 Kubernetes 之上的开源机器学习工作流编排平台,面向数据科学家与 ML 工程师端到端地构建、部署与管理 ML 流水线。它以可复用的组件和流水线加速方案开发,支持多次实验的管理与对比,底层通过 Argo Workflows 编排容器化步骤,并提供 Web UI 管理与监控流水线运行。自 1.8 起默认采用 Emissary Executor 以兼容多种容器运行时。以 Python、TypeScript、Go 实现,采用 Apache-2.0 许可,可独立部署或作为 Kubeflow 平台的一部分运行在 K8s 集群上。
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 上端到端编排 ML 训练与部署流水线
- 用可复用组件与流水线缩短方案开发周期
- 管理与对比多次实验保证可复现
- 借 Argo Workflows 调度容器化步骤
适合
- 已有 Kubernetes 基础设施的 ML 团队
- 需要可复现、可复用的生产级 ML 流水线
- 多实验、多版本的模型迭代管理
- 倾向自托管、组件容器化的 MLOps 方案
不适合
- 无 Kubernetes 运维能力时落地成本高
- 小规模或单机实验引入平台偏重
- 部分组件镜像来自 gcr.io,国内拉取需镜像
- 仅编排流程,建模与数据处理仍需自行实现
如何接入
- 底层基于 Argo Workflows 编排容器步骤
- 可与 Jupyter、Kubernetes 生态集成
- 提供 Python SDK 定义流水线与组件
- 可独立部署或随 Kubeflow 平台一起安装
已知限制
- 依赖 Kubernetes,运维门槛较高
- 部分容器镜像来自 Google registry,国内需镜像加速
- Docker 运行时在 K8s 1.20+ 需用 Emissary Executor
- 平台自身不含具体建模逻辑
接入与使用事实
- 部署方式
- 自托管
- 实现语言
- Python、TypeScript、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
- 代码仓库仅作事实索引