Balinder Waliaคู่มือปฏิบัติจับคู่ Kubeflow (train / evaluate / register) กับ Argo CD (GitOps deliver / rollback) สำหรับสถาปัตยกรรมเต็ม manifests และ anti-patterns อ่าน บทความยาว.
InferenceService, คำจำกัดความ pipeline และคอมโพเนนต์แพลตฟอร์มถูก reconcile จาก Git เทรนและประเมินใน Kubeflow; promote โดยอัปเดต Git manifest; ย้อนกลับด้วย git revert. เก็บโมเดลใน object storage — Git เก็บ URIs และคอนฟิก ไม่ใช่น้ำหนัก
ทำไมต้องสองเครื่องมือ?
Kubeflow ตอบ: เราจะรันการเทรนและการประเมินที่ทำซ้ำได้บน GPUs อย่างไร? Argo CD ตอบ: เราจะส่งโมเดลที่ได้ไปยังโปรดักชันโดยไม่มีคลัสเตอร์ snowflake อย่างไร? การใช้แค่ Kubeflow มักจบที่การทำแบบมือ kubectl apply สำหรับการเสิร์ฟ การใช้แค่ Argo CD ทำให้คุณไม่มี ML pipeline และระบบทดลองระดับชั้นหนึ่ง รวมกันแล้วเป็นลูป MLOps ปิด
การแบ่งงาน
| ข้อกังวล | เครื่องมือ | อะไรอยู่ใน Git |
|---|---|---|
| Pipeline DAGs, TrainJobs, การทดลอง | Kubeflow Pipelines / Trainer | Pipeline YAML / สเปกคอมโพเนนต์ |
| อาร์ติแฟกต์โมเดล & สายเลือด | Model Registry + object storage | URI + metadata — ไม่ใช่ไฟล์น้ำหนัก |
| Serving, canaries, rollbacks | KServe + Argo CD | InferenceService overlays |
| ติดตั้งแพลตฟอร์ม & อัปเกรด | Argo CD Applications | Helm/Kustomize สำหรับ Kubeflow เอง |
ลูป end-to-end (ลักษณะที่ดีหน้าตาเป็นอย่างไร)
- นักวิทยาศาสตร์ข้อมูล merge การเปลี่ยน pipeline → Argo CD sync pipeline CRDs
- Kubeflow รันการเทรนบนโหนด GPU (จัดคิวผ่าน Kueue ได้ตามต้องการ)
- ประตูการประเมินผ่าน → ลงทะเบียน model URI; PR อัปเดต prod
InferenceServicestorageUri. - Argo CD ตรวจพบ OutOfSync แล้ว rollout (ทราฟฟิก canary ก่อน)
- Drift หรือเมตริกแย่ →
git revertคืน URI ก่อนหน้า; Argo CD reconcile
ห้าแนวปฏิบัติที่ลดความเจ็บปวด
- แยก repos หรือโฟลเดอร์: แพลตฟอร์ม (ติดตั้ง Kubeflow) vs แอป (pipelines + InferenceServices)
- อย่า commit ไบนารีโมเดล — อ้างอิง
s3:///gs:/// PVC URIs. - Sync waves: MySQL/MinIO (หรือเทียบเท่าที่จัดการ) ก่อนคอมโพเนนต์ KFP
- ขีดจำกัดทรัพยากรทุกขั้น — งานเทรนไร้ขีดจำกัดจะทำให้คลัสเตอร์อด
- Promotion = PR, ไม่ใช่ปุ่มในโน้ตบุ๊ก เส้นทางตรวจสอบได้ฟรี
เมื่อสแต็กนี้เกินจำเป็น
Mac Studio เครื่องเดียวที่รัน Ollama สำหรับแชทบอท SME ไม่ต้องการ Kubeflow + Argo CD ใช้แพทเทิร์นนี้เมื่อคุณมีหลายโมเดล มีการแย่ง GPU ความต้องการ compliance หรือมากกว่าหนึ่งสภาพแวดล้อม (dev/staging/prod) ที่ต้องเหมือนกัน
อ่านเวอร์ชันยาว
การ บทความยาว ครอบคลุมแผนที่ Kubernetes MLOps ปี 2026 (KFP v2, Trainer, KServe, Kueue) แพทเทิร์น Argo CD Application ประตู promote canary serving, GPU FinOps และเช็กลิสต์ rollout เผยแพร่โดย Workstation.