随着机器学习领域不断发展，对于处理机器学习的团队来说，在1台机器上训练1个模型已经有些难以为继，并且现在业界的共识是机器学习已经不仅仅是简单的模型训练。

在模型训练之前、过程中和之后，需要进行许多活动，对于要生成自己的ML模型的团队来说尤其如此。下图常常被引用来说明此类情况：

对于许多团队来说，将机器学习的模型从研究环境应用到生产环境这一过程困难重重，背负很大的压力。糟糕的是，市面上处理每类问题的工具都数量惊人，而这些海量工具都有望解决你所有的机器学习难题。

但是整个团队学习新工具通常很耗时，并且将这些工具集成到你当前的工作流程中也并不容易。这时，或许可以考虑Kubeflow，这是为需要建立机器学习流水线的团队而打造的一个机器学习平台，它包括许多其他工具，可以用于服务模型和调整超参数。Kubeflow尝试做的是将同类最好用的ML工具整合在一起，并将它们集成到一个平台中。

来源：https://www.kubeflow.org/docs/started/kubeflow-overview/

顾名思义，Kubeflow应该部署在Kubernetes上，既然你是通过Rancher的平台阅读到这篇文章，那么你大概率已经在某个地方部署了Kubernetes集群。

值得注意的是，Kubeflow中的“flow”并不是表示Tensorflow。Kubeflow也能够与PyTorch一起使用，甚至可以与任何ML框架一起使用（不过支持得最好的框架还是Tensorflow和PyTorch）。

在本文中，我将向你展示如何尽可能简单地安装Kubeflow。如果在你的集群上已经有GPU设置，则过程将更为简单。如果尚未设置，那么你需要执行一些额外的设置步骤，因为许多机器学习需要运行在NVIDIA GPU上。

在Kubeflow上设置GPU支持

假设你已经安装了Docker 19.x。

1、 安装NVIDIA 容器运行时

在所有带有GPU的节点上：

% distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
% curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
% curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
% sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
% sudo apt-get install nvidia-container-runtime

现在，修改Docker守护进程（Daemon）运行时字段：

% sudo vim /etc/docker/daemon.json

粘贴以下内容：

{
  "default-runtime": "nvidia",
  "runtimes": {
    "nvidia": {
      "path": "/usr/bin/nvidia-container-runtime",
      "runtimeArgs": []
    }
  }
}

现在重启Docker守护进程：

% sudo systemctl restart docker

2、 安装NVIDIA设备插件

在master节点上，创建NVIDIA设备插件：

% kubectl create -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/1.0.0-beta/nvidia-device-plugin.yml

接下来，正式开始安装Kubeflow。

安装Kubeflow

注意：在撰写本文时，Kubeflow的最新版本是1.0。它与Kubernetes 1.14和1.15版本兼容。

Step0：设置动态Volume配置

在我们安装Kubeflow之前，我们需要设置动态配置。

一种方法是使用Rancher的local-path-provisioner，其中使用了基于hostPath的节点持久卷。设置非常简单：将其指向节点上的路径并部署YAML文件。缺点是无法控制volume容量限制。

另一种方法是使用网络文件系统（NFS），我将在下文展示具体步骤。

在Master节点上设置网络文件系统

假设你将大部分数据存储在本地，那么你需要设置NFS。在这里，我假设 NFS server位于master节点10.64.1.163上。

首先，为NFS安装依赖项：

% sudo apt install -y nfs-common nfs-kernel-server

然后，创建一个根目录：

% sudo mkdir /nfsroot

将以下条目添加到/etc/exports：

/full/path/to/nfsroot 10.64.0.0/16(rw,no_root_squash,no_subtree_check)

请注意，10.64.0.0是节点的CIDR，而不是Kubernetes Pod CIDR。

接下来，通过以下命令将共享目录导出为sudo：

% sudo exportfs -a

最后，要使所有配置生效，请按如下所示重新启动NFS内核服务器：

% sudo systemctl restart nfs-kernel-server

另外，确保nfs-kernel-server在服务器（重新）启动时启动：

% sudo update-rc.d nfs-kernel-server enable

在worker节点上设置NFS

为NFS安装依赖项：

% sudo apt install -y nfs-common

安装NFS Client Provisioner

现在，我们可以安装NFS Client Provisioner——并且终于可以向你们安利我最爱的Rancher功能之一：应用商店！

默认情况下，Rancher自带了许多已经经过测试的应用程序。此外，我们还可以自行添加整个Helm Chart到应用商店里。

点击Apps，然后点击【Manage Catalogs】

然后选择【Add Catalog】：

填写以下值：

点击【Create】，回到【Apps】页面。稍微等待一会儿，你将看到helm部分有了许多应用程序。你可以点击【Refresh】来查看进程：

现在，在搜索框内输入nfs，然后你将看到2个条目：

其中一个正是我们要找的：nfs-client-provisioner。点击它，然后你将看到：

这是可用于nfs-client-provisioner的chart的所有选项，你将需要使用它们来填写以下内容：

填写完毕后，你可以点击【Launch】按钮。等待一会儿，让Kubernetes下载Docker镜像，并将一切设置完毕。所有操作都完成后，你将看到以下页面：

我真的太喜欢应用商店这个功能了，它是我最喜欢的功能之一，因为它的存在，使得在集群上安装和监控应用程序变得简单和方便。

Step1：下载并安装kfctl

这是Kubeflow的控制工具，与kubectl类似。你可以从Kubeflow的release页面下载它。

然后，解压文件并将二进制文件放入你的$PATH中。

Step2：安装Kubeflow

首先，指定一个文件夹存储所有的Kubeflow YAML文件。

$ export KFAPP=~/kfapp

下载kfctl配置文件：

wget https://raw.githubusercontent.com/kubeflow/manifests/v1.0-branch/kfdef/kfctl_k8s_istio.v1.0.2.yaml

请注意：如果你已经安装了Istio，则需要编辑kfctl_k8s_istio.v1.0.2.yaml并删除istio-crds和istio-install应用程序条目。

然后，导出CONFIG_URI：

$ export CONFIG_URI="/path/to/kfctl_k8s_istio.v1.0.2.yaml"

接下来，你需要指定一堆环境变量，这些环境变量将指示Kubeflow配置文件下载到的位置：

export KF_NAME=kubeflow-deployment
export BASE_DIR=/opt
export KF_DIR=${BASE_DIR}/${KF_NAME}

安装Kubeflow：

% mkdir -p ${KF_DIR}
% cd ${KF_DIR}
% kfctl apply -V -f ${CONFIG_URI}

你需要一些时间等待一切都设置完毕。

访问Kubeflow UI

要访问UI，我们需要知道Web UI所在的端口：

% kubectl -n istio-system get svc istio-ingressgateway

返回以下内容：

NAME                   TYPE       CLUSTER-IP     EXTERNAL-IP   PORT(S)                                                                                                                                      AGE
istio-ingressgateway   NodePort   10.43.197.63   <none>        15020:30585/TCP,**80:31380/TCP**,443:31390/TCP,31400:31400/TCP,15029:32613/TCP,15030:32445/TCP,15031:30765/TCP,15032:32496/TCP,15443:30576/TCP   61m

在本例中，它是80:31380，这意味着你可以通过http://localhost:31380 访问Kubeflow UI：

如果你成功地看到了这个页面，那么恭喜你，你已经成功设置Kubeflow🎉

结 论

在本文中，我们首先探讨了为什么需要诸如Kubeflow这类工具——以控制机器学习本身的复杂性。接下来，我们按照步骤为集群进行机器学习工作做好了准备，尤其需要确保该集群可以利用可用的NVIDIA GPU。

在设置NFS时，我们探索了Rancher的应用商店，并将Helm Chart添加到应用商店中。它为我们提供了在Kubernetes集群上可以安装的所有Kubernetes应用程序。最后，我们完成了在集群上安装Kubeflow的步骤。