11.1 Visão geral do Kubeflow

O Kubeflow é uma plataforma que suporta do início ao fim o ciclo de vida de implementação de Machine Learning. Os componentes principais do Kubeflow são:

• Central Dashboard: É a WebUI do Kubeflow onde é possível interagir com todos outros componentes, isto é, como todos os componentes do Kubeflow são resursos do Kubernetes, com a WebUI é possível configurar e operar os recursos do Kubernetes do Kubeflow.

• Kubeflow Notebooks: Com este componente é possivel criar Notebooks, como Jupyter, para o desenvolvimento iterativo dos modelos de Machine Learning e também usar as DSLs para manipular os outros componente como o Kubeflow Pipline.

• Kubeflow Pipeline: É o componente core do Kubeflow, como ele é possível criar os pipeline para treinar os modelos de Machine Learning e efetuar o deploy.

• Katib: Este componente é componente de AutoML do Kubeflow.

• Training Operator: São recursos do Kubernetes criados para facilitar o treinamento de modelos, podem ser usados em conjundo com o Kubeflow Pipeline.

• Multi-Tenancy: O Kubeflow fornece suporte para isolamento de usuarios e gestão de acesso.

• External Add-Ons: O Kubeflow se integra com ferramentas externas como o Kserve, Kale, Feast e outros. Nas próximas sessões vamos falar principalmenteo do Kserve que é o servidor de inferências do Kubeflow.

Vale destacar que existem algumas formas para se ter suporte do Kubeflow. Alguns providers de Cloud suportam instalações do Kubeflow e existe uma versão Enterprise chamada Arrikto.

A arquitetura do Kubeflow é baseada e apoiada no Kubernetes. Recomenda-se a leitura da documentação para o aprofundamento.