玩转Kubeflow第一章: kubeflow 国内本地安装及案例介绍
kubeflow 是 google 开源的一个基于 kubernetes 的 ML workflow 平台，其集成了大量的机器学习工具，这里给大家介绍下基于阿里云镜像仓库进行kubeflow安装部署，同时通过 kittab 超参数案例，pipeline workflow 的例子给大家详细介绍kubeflow各组件的玩法，同时在最后提出针对kubeflow 构建 MLOps 平台的一些思考。
NVIDIA GPU Operator分析四：DCGM Exporter安装
背景我们知道，如果在Kubernetes中支持GPU设备调度，需要做如下的工作：节点上安装nvidia驱动节点上安装nvidia-docker集群部署gpu device plugin，用于为调度到该节点的pod分配GPU设备。除此之外，如果你需要监控集群GPU资源使用情况，你可能还需要安装DCCM exporter结合Prometheus输出GPU资源监控信息。要安装和管理这么多的组件，对于运维
K8S下一代设备管理机制：DRA
背景Kubernetes从1.8开始引入了Device Plugin机制，用于第三方设备厂商以插件化的方式将设备资源（GPU、RDMA、FPGA、InfiniBand等）接入Kubernetes集群中。用户无需修改Kubernetes代码，只需在集群中以DaemonSet方式部署设备厂商提供的插件，然后在Pod中申明使用该资源的使用量，容器在启动成功后，便可在容器中发现该设备。然而，随着Kuber
k8s学习--ConfigMap详细解释与应用
ConfigMap 是 Kubernetes 中用于管理非机密配置数据的 API 对象，可将应用配置与容器分离，便于动态管理和更新。它支持四种创建方式：命令行参数、多个文件、文件内的键值对以及 YAML 资源清单文件。ConfigMap 可通过环境变量或挂载为卷的方式传递给 Pod，并且当通过卷挂载时支持热更新。这使得配置管理更加灵活和安全，无需重新部署应用即可更新配置。