Kubeflow学习手册
Kubeflow学习手册
Josh Patterson, Michael Katzenellenbogen, Austin Harris 著
黄俊彬 译
出版时间：2026年05月
页数：290
“本书是企业在从本地到云端部署Kubeflow的权威指南。它不仅深入剖析了Kubeflow的运维层面，更系统地指导团队如何将平台与基础设施（包括GPU资源与身份管理系统）进行深度整合。”
——Jeremy Lewi
Kubeflow联合创始人,Primer首席软件工程师
“对于希望将Kubeflow从实验环境升级至企业级应用的团队而言，这本著作提供了不可或缺的实践智慧。”
——David Aronchick
Kubeflow联合创始人

在部署机器学习应用时，模型构建只是整个流程的一小部分。完整过程涉及开发、编排、部署和运行可扩展且可移植的机器学习工作负载，而Kubeflow能显著简化这一流程。这本实用指南向数据科学家、数据工程师和平台架构师展示如何规划并实施Kubeflow项目，使Kubernetes工作流兼具可移植性与可扩展性。
本书作者演示了这个开源平台如何通过管理机器学习流水线来编排工作流。你将学习如何规划并搭建一个支持从本地部署到云端（包括Google、Amazon和Microsoft等平台）全流程的Kubeflow平台。
● 深入解析Kubeflow架构，掌握平台使用的最佳实践。
● 了解Kubeflow部署的规划流程。
● 在现有本地Kubernetes集群上安装Kubeflow。
● 在Google云平台、AWS和Azure上部署Kubeflow。
● 使用KFServing开发并部署机器学习模型。
  1. 前言
  2. 第1章 Kubeflow概述
  3. 1.1 在Kubernetes上进行机器学习
  4. 1.1.1 企业机器学习的演进
  5. 1.1.2 企业基础设施变得比以往任何时候都更加难以管理
  6. 1.1.3 识别下一代基础设施（NGI）的核心原则
  7. 1.1.4 Kubernetes用于生产应用程序部署
  8. 1.1.5 登场：Kubeflow
  9. 1.1.6 Kubeflow解决了哪些问题
  10. 1.1.7 Kubeflow起源
  11. 1.1.8 谁在使用Kubeflow
  12. 1.2 常见的Kubeflow使用案例
  13. 1.2.1 在GPU上运行Notebooks
  14. 1.2.2 共享多租户机器学习环境
  15. 1.2.3 构建迁移学习管道
  16. 1.2.4 将模型部署到生产环境以进行应用集成
  17. 1.3 Kubeflow的组件
  18. 1.3.1 机器学习工具
  19. 1.3.2 应用程序和脚手架
  20. 1.3.3 使用KFServing进行机器学习模型推理服务
  21. 1.3.4 平台和云
  22. 1.4 总结
  23. 第2章 Kubeflow架构与最佳实践
  24. 2.1 Kubeflow架构概述
  25. 2.1.1 Kubeflow和Kubernetes
  26. 2.1.2 在Kubeflow上运行作业的方式
  27. 2.1.3 机器学习元数据服务
  28. 2.1.4 工件存储
  29. 2.1.5 Kubeflow中的Istio操作
  30. 2.2 Kubeflow多租户架构
  31. 2.2.1 多租户和隔离
  32. 2.2.2 多用户架构
  33. 2.2.3 多用户授权流程
  34. 2.2.4 Kubeflow配置文件
  35. 2.2.5 多用户隔离
  36. 2.3 Notebook架构
  37. 2.3.1 Notebook服务器启动器UI
  38. 2.3.2 Notebook控制器
  39. 2.4 Pipeline架构
  40. 2.5 Kubeflow最佳实践
  41. 2.5.1 管理作业依赖
  42. 2.5.2 使用GPU
  43. 2.5.3 实验管理
  44. 2.6 总结
  45. 第3章 规划Kubeflow安装
  46. 3.1 安全规划
  47. 3.1.1 扩展Kubernetes API的组件
  48. 3.1.2 运行在Kubernetes之上的组件
  49. 3.1.3 背景和动机
  50. 3.1.4 Kubeflow和部署的应用程序
  51. 3.1.5 集成
  52. 3.2 用户
  53. 3.2.1 用户画像
  54. 3.2.2 不同的技能集
  55. 3.3 工作负载
  56. 3.3.1 集群利用率
  57. 3.3.2 数据模式
  58. 3.4 规划GPU
  59. 3.4.1 GPU的规划
  60. 3.4.2 受益于GPU的模型
  61. 3.5 基础设施规划
  62. 3.5.1 Kubernetes的考虑
  63. 3.5.2 本地
  64. 3.5.3 云端
  65. 3.5.4 放置
  66. 3.6 容器管理
  67. 3.7 使用Knative进行无服务器容器操作
  68. 3.8 规模和增长
  69. 3.8.1 预测
  70. 3.8.2 存储
  71. 3.8.3 扩展
  72. 3.9 总结
  73. 第4章 在本地安装Kubeflow
  74. 4.1 Kubernetes命令行操作
  75. 4.1.1 安装kubectl
  76. 4.1.2 使用kubectl
  77. 4.1.3 使用Docker
  78. 4.2 基本安装过程
  79. 4.2.1 本地安装
  80. 4.2.2 构建Kubernetes集群的注意事项
  81. 4.2.3 网关主机访问Kubernetes集群
  82. 4.2.4 Active Directory集成和用户管理
  83. 4.2.5 Kerberos集成
  84. 4.2.6 存储集成
  85. 4.2.7 容器管理和工件仓库
  86. 4.3 访问和与Kubeflow交互
  87. 4.3.1 常见命令行操作
  88. 4.3.2 可访问的Web UI 116
  89. 4.4 安装Kubeflow 116
  90. 4.4.1 系统要求
  91. 4.4.2 设置和部署
  92. 4.5 总结
  93. 第5章 在谷歌云平台上运行Kubeflow
  94. 5.1 Google Cloud Platform概览
  95. 5.1.1 存储
  96. 5.1.2 Google Cloud Identity-Aware Proxy
  97. 5.1.3 Google Cloud安全与Cloud Identity-Aware Proxy
  98. 5.1.4 GCP项目用于应用程序部署
  99. 5.1.5 GCP服务账户
  100. 5.1.6 注册Google Cloud Platform
  101. 5.2 安装Google Cloud SDK
  102. 5.2.1 更新Python
  103. 5.2.2 下载并安装Google Cloud SDK
  104. 5.3 在Google Cloud Platform上安装Kubeflow
  105. 5.3.1 在GCP控制台中创建项目
  106. 5.3.2 为项目启用API
  107. 5.3.3 为GCP Cloud IAP设置OAuth
  108. 5.3.4 使用命令行界面部署Kubeflow 143
  109. 5.3.5 访问Kubeflow UI
  110. 5.4 总结
  111. 第6章 在亚马逊网络服务（AWS）上运行Kubeflow
  112. 6.1 Amazon Web Services概述
  113. 6.1.1 存储服务
  114. 6.1.2 Amazon存储定价
  115. 6.1.3 亚马逊云安全
  116. 6.1.4 AWS计算服务
  117. 6.1.5 EKS上的托管Kubernetes
  118. 6.2 注册AWS账户
  119. 6.3 安装AWS CLI
  120. 6.3.1 更新Python
  121. 6.3.2 安装AWS CLI
  122. 6.4 在Amazon Web Services上运行Kubeflow
  123. 6.4.1 安装kubectl
  124. 6.4.2 安装Amazon EKS的eksctl CLI
  125. 6.4.3 安装AWS IAM认证器
  126. 6.4.4 安装jq
  127. 6.5 在Amazon EKS上使用托管Kubernetes
  128. 6.5.1 创建EKS服务角色
  129. 6.5.2 创建AWS VPC
  130. 6.5.3 创建EKS集群
  131. 6.5.4 使用eksctl部署EKS集群
  132. 6.6 理解部署流程
  133. 6.6.1 Kubeflow配置与部署
  134. 6.6.2 自定义Kubeflow部署
  135. 6.6.3 自定义认证
  136. 6.6.4 调整EKS集群规模
  137. 6.6.5 删除EKS集群
  138. 6.6.6 添加日志记录
  139. 6.6.7 部署故障排除
  140. 6.7 总结
  141. 第7章 在Azure上运行Kubeflow
  142. 7.1 Azure云平台概述
  143. 7.1.1 关键Azure组件
  144. 7.1.2 Azure上的存储
  145. 7.1.3 Azure安全模型
  146. 7.1.4 服务账户
  147. 7.1.5 资源和资源组
  148. 7.1.6 Azure虚拟机
  149. 7.1.7 容器和托管的Azure Kubernetes服务
  150. 7.2 Azure CLI
  151. 7.3 在Azure Kubernetes上安装Kubeflow
  152. 7.3.1 Azure登录和配置
  153. 7.3.2 为Kubeflow创建AKS集群
  154. 7.3.3 Kubeflow安装
  155. 7.4 授权网络访问部署
  156. 7.5 总结
  157. 第8章 模型服务与集成
  158. 8.1 模型管理基础概念
  159. 8.1.1 理解训练模型与模型推理
  160. 8.1.2 构建模型集成的直觉
  161. 8.1.3 扩展模型推理吞吐量
  162. 8.1.4 模型管理
  163. 8.2 KFServing简介
  164. 8.2.1 使用KFServing的优势
  165. 8.2.2 KFServing的核心概念
  166. 8.2.3 支持的预构建模型服务器
  167. 8.2.4 KFServing安全模型
  168. 8.3 使用KFServing管理模型
  169. 8.3.1 在Kubernetes集群上安装KFServing
  170. 8.3.2 在KFServing上部署模型
  171. 8.3.3 通过金丝雀发布管理模型流量
  172. 8.3.4 部署自定义转换器
  173. 8.3.5 回滚已部署模型
  174. 8.3.6 移除已部署模型
  175. 8.4 总结
  176. 附录A 基础设施概念
  177. 附录B Kubernetes概述
  178. 附录C Istio运维与Kubeflow
  179. 作者介绍
  180. 封面介绍
书名：Kubeflow学习手册
译者：黄俊彬 译
国内出版社：中国电力出版社
出版时间：2026年05月
页数：290
书号：978-7-5239-1122-8
原版书书名：Kubeflow Operations Guide
原版书出版商：O'Reilly Media
Josh Patterson
 
Josh Patterson是Patterson Consulting首席执行官，合著有《Deep Learning: A Practitioner's Approach》（O'Reilly出版）。
Josh Patterson，Skymind公司副总裁，曾任Cloudera公司通用解决方案架构师、田纳西河流域管理局机器学习与分布式系统工程师。
 
 
Michael Katzenellenbogen
 
Michael Katzenellenbogen是独立咨询师，专注于为企业提供Kubernetes和Kubeflow等技术解决方案。
 
 
Austin Harris
 
Austin Harris是分布式系统工程师，精通Apache Kafka与分布式系统架构。
 
 
本书封面上的动物是一只青脚鹬（学名：Tringa nebularia）。这种高大的涉禽繁殖于北欧和亚洲北部，随后迁徙至非洲南部、亚洲以及澳大利亚越冬。
青脚鹬平均体长约12英寸（约30厘米），腿部修长，呈青绿色，背部与尾部为灰褐色，腹部为白色。它们以青蛙、鱼类等小型猎物及无脊椎动物为食。
其栖息地主要为淡水沼泽与湿润草甸，每窝产四枚卵，卵色具有隐蔽性以避免天敌发现。亲鸟通常共同承担孵卵职责。
根据世界自然保护联盟（IUCN）名录，青脚鹬被列为无危物种。由于该鸟类活动范围广泛且易于观察，其种群研究直至二十世纪末才逐步展开。O’Reilly丛书封面选用的动物中不乏濒危物种，而所有物种对世界生态均具有重要意义。
购买选项
定价：98.00元
书号：978-7-5239-1122-8
出版社：中国电力出版社
联系出版社邮购

© 2026，奥莱利技术咨询(北京)有限公司。版权所有。
传真: +86-10-88097463
 京ICP备05003502号