تخطَّ إلى المحتوى
ابدأ مشروعًا

المدونة

Kubeflow + Argo CD: GitOps MLOps على Kubernetes

درّب بـ Kubeflow وسلّم بـ Argo CD — مسارات وModel Registry وKServe وتراجع عبر git revert

  • Balinder Walia
  • قراءة في 2 دقيقة
  • Updated
في هذه الصفحة

دليل عملي لربط Kubeflow (تدريب / تقييم / تسجيل) مع Argo CD (تسليم / تراجع GitOps). للبنية الكاملة والـ manifests والأنماط المضادة، اقرأ مقال طويل.

Kubeflow وArgo CD GitOps MLOps على Kubernetes

النسخة في فقرة واحدة. يملك Kubeflow دورة حياة ML على Kubernetes — المسارات ومهام التدريب وmodel registry وKServe. يملك Argo CD التسليم: كل InferenceService، وتعريف المسار، ومكوّن المنصة يُوفَّق من Git. درّب وقيّم في Kubeflow؛ رقِّ بتحديث manifest في Git؛ تراجع بـ git revert. احتفظ بالنماذج في تخزين الكائنات — يخزّن Git عناوين URI والإعداد لا الأوزان.

لماذا الأداتان معًا؟

Kubeflow يجيب: كيف نشغّل تدريبًا وتقييمًا قابلين للتكرار على وحدات GPU؟ Argo CD يجيب: كيف نُسلّم النموذج الناتج إلى الإنتاج دون عناقيد snowflake؟ استخدام Kubeflow وحده ينتهي غالبًا بـ kubectl apply للخدمة. استخدام Argo CD وحده يتركك بلا مسار ML من الدرجة الأولى ونظام تجارب. معًا يشكّلان حلقة MLOps مغلقة.

تقسيم العمل

الاهتمام الأداة ما يعيش في Git
رسوم DAG للمسارات وTrainJobs والتجاربKubeflow Pipelines / TrainerYAML المسار / مواصفات المكوّنات
مخرجات النموذج والنَسَبModel Registry + object storageURI + بيانات وصفية — لا ملف الأوزان
الخدمة وcanaries والتراجعاتKServe + Argo CDInferenceService overlays
تثبيت المنصة والترقياتArgo CD ApplicationsHelm/Kustomize لـ Kubeflow نفسه

حلقة من طرف إلى طرف (ما يبدو جيدًا)

  1. عالِم بيانات يدمج تغيير مسار → Argo CD يزامن CRDs المسار.
  2. يشغّل Kubeflow التدريب على عُقد GPU (اختياريًا في طابور عبر Kueue).
  3. تمر بوابات التقييم → يُسجَّل URI النموذج؛ يحدّث PR الإنتاج InferenceService storageUri.
  4. يكتشف Argo CD حالة OutOfSync وينشر (حركة canary أولًا).
  5. انحراف أو مقاييس سيئة → git revert يستعيد URI السابق؛ يوفّق Argo CD.

خمس ممارسات توفّر عليك الألم

  • مستودعات أو مجلدات منفصلة: المنصة (تثبيت Kubeflow) مقابل التطبيقات (pipelines + InferenceServices).
  • لا تُودِع أبدًا ثنائيات النماذج — مرجع s3:// / gs:// / PVC URIs.
  • Sync waves: MySQL/MinIO (أو مكافئات مُدارة) قبل مكوّنات KFP.
  • حدود موارد في كل خطوة — مهام التدريب بلا حدود ستُجوّع العنقود.
  • الترقية = PR، ليست زرًا في دفتر ملاحظات. مسار التدقيق مجاني.

متى تكون هذه الحزمة مبالغًا فيها

جهاز Mac Studio واحد يشغّل Ollama لروبوت دردشة للشركات الصغيرة والمتوسطة لا يحتاج Kubeflow + Argo CD. لجأ إلى هذا النمط عندما يكون لديك نماذج متعددة أو تنافس على GPU أو متطلبات امتثال أو أكثر من بيئة واحدة (dev/staging/prod) يجب أن تبقى متطابقة.

قراءات ذات صلة. نشرنا بالفعل نظرة عامة على GitOps تركّز على Argo CD وFlux: Kubernetes Continuous Delivery: مسارات GitOps مع ArgoCD وFlux. هذا المنشور هو المرافق الخاص بـ ML — Kubeflow في الحلقة.

اقرأ النسخة الطويلة

الـ مقال طويل يغطي خريطة Kubernetes MLOps لعام 2026 (KFP v2 وTrainer وKServe وKueue) وأنماط Application في Argo CD وبوابات الترقية وخدمة canary وGPU FinOps وقائمة تحقق للنشر. نُشر بواسطة TenthMatrix.

المزيد من المدونة