设置Kubeflow教程 简化设置便携式ML堆栈和Weave云过程
本教程分步介绍了如何设置Kubeflow，这个工具简化了在Google云端平台上设置便携式机器学习堆栈和Weave云的过程。
2017年KubeCon + Cloud Native Con 2017大型发布会之一是关于Kubeflow，一个开源项目“致力于使Kubernetes的机器学习（ML）轻松、便携、可扩展。Kubeflow是针对用户可能需要更多的便携式堆栈、更多的控制、ML堆栈的简化，或者在不同平台、本地等地使用Kubernetes部署。例如，Kubeflow的愿景是让不同的团队（数据科学家，开发人员，IT等）共享或移交系统，而不必担心谁可能仍然需要管理底层基础架构。 Kubeflow旨在利用Kubernetes在各种基础架构上的部署能力，部署和管理松散耦合的微服务，并根据需求进行扩展。对于目前使用单云托管ML服务的用户，Kubeflow可能会提供另一种解决方案来满足不同的用户需求。
Kubeflow和Weave云
Kubeflow用户可以利用Weave 云来简化在Kubernetes集群上运行的Kubeflow的可观察性、部署和监视。特别是如果Kubeflow用户遵循GitOps方法时，他们可以将他们的清单作为真相的单一来源;因此，共享和分发Kubeflow系统的愿景可以通过git push和Weave 云来实现。
Weave 云的监控功能也有助于各种指标，包括资源管理，这对Kubeflow来说可能是至关重要的。Weave 云的UI提供了快速的交互式视图，从高层的概述中可以看到CPU和内存使用情况:：
要深入查看进程、容器、Pod和主机的资源监视，以及服务和命名空间，请参阅下文。
Kubeflow和Weave 云入门
1.GitHub上的Kubeflow：克隆Kubeflow存储库。（这些将安装Kubernetes清单以在生产群集上运行Kubeflow。）
2.Google云端平台：
·在Google云端平台中建立一个群集。
·我们为这个演示创建了一个基本的三节点集群。
·按照Google Kubernetes引擎上的Kubeflow步骤操作。
·按照快速启动步骤（使用ks适用。这将在组件中递归地安装所有的清单。
·可选：如果要运行代码来训练TensorFlow卷积神经网络（TF CNN）模型，那么也可以通过运行kubectl来完成这些工作。
3.Weave云：
·创建一个免费试用帐户。
·
按照Weave Cloud Deploy、Explore和Monitor的设置步骤进行操作。（你将部署代理来发送指标以利用Weave Cloud UI。）
·注意：Weave Cloud Deploy设置过程会将Deploy项插入到之前创建的GH repo中。（你不能将密钥注入Google Kubeflow库，所以需要在GH中克隆Kubeflow库。）
·点击Weave 云中的Explore按钮，在Google Cloud中可视化新Kubeflow集群。
·Weave 云还提供基于托管、多租户和可扩展Prometheus的监控。借助Weave Cloud，你可以将Prometheus指标存储几个月，以便使用Prometheus强大的查询语言PromQL进行查询。
·Weave Cloud的监控功能也有助于各种指标，包括资源管理，这对Kubeflow来说可能是至关重要的。要深入查看进程、容器和主机，请单击“条形图”图标：
·除了pod外（请注意每个pod中的“水位”，指示tf-job-operator pod的CPU使用情况）：
·Weave云的监控还通过服务和名称空间显示资源：
在KubeCon上宣布Kubeflow的公告使它在Hacker News上排名第一，并且ML公司也对此感兴趣。