Análisis exhaustivo de Kubeflow en EKS
Referencia de revisión: Kubeflow Community Distribution 26.03.1 Última distribución comprobada: Community Distribution 26.03.1; las versiones de los componentes se rastrean por separado Última revisión: October 12, 2026
Descripción general
Kubeflow proporciona herramientas basadas en Kubernetes para pipelines de ML, notebooks, ajuste, entrenamiento y serving. Community Distribution reúne revisiones de componentes, servicios compartidos y un dashboard; los proyectos individuales también tienen sus propias versiones y requisitos de instalación.
Esta serie utiliza KFP 2.16.1 y KServe 0.18.0 de la distribución como referencias de reproducción.
KFP 2.17.2 y KServe 0.21.0 son versiones posteriores e independientes. No están incluidos en Community Distribution 26.03.1, y esta guía no establece que sean compatibles entre sí. Compruebe el inventario fijado de la distribución junto con las versiones actuales de los componentes.
CNCF anunció la graduación de Kubeflow el 17 de agosto de 2026. Esto reconoce la madurez y la gobernanza del proyecto, incluida una auditoría de seguridad independiente. No certifica la seguridad ni el cumplimiento normativo de un deployment particular de EKS.
Mapa de componentes
| Componente | Propósito | API o concepto | Guía |
|---|---|---|---|
| Dashboard, Profiles, gestión de acceso | Navegación de UI, propiedad y pertenencia del namespace | Profile con ámbito de Cluster; cuota opcional | Parte 1 |
| Pipelines | Compilar y ejecutar workflows; realizar seguimiento de ejecuciones y artefactos | APIs de Pipeline/Run/Experiment; el modo opcional Kubernetes Native API añade CRDs Pipeline/PipelineVersion | Parte 2 |
| Notebooks | Cargas de trabajo de notebooks de usuarios | Notebook; configuración de imagen y PVC | Parte 3 |
| Katib | Búsqueda y trials de hiperparámetros | CRDs Experiment, Trial, Suggestion | Parte 4 |
| Trainer | Entrenamiento distribuido con runtimes configurados | TrainJob, TrainingRuntime, ClusterTrainingRuntime | Parte 5 |
| KServe | Servicios de inferencia de modelos | InferenceService; dependencias específicas del modo | Parte 6 |
Este mapa abarca el alcance de la guía, no toda la distribución. La versión 26.03.1 también incluye Hub/model registry y Spark Operator. Un KFP Experiment no es el CRD Katib Experiment.
El dashboard enlaza las UI de los componentes. Pipelines y Katib usan Trainer solo cuando su implementación envía explícitamente un recurso de entrenamiento compatible. Conectar un artefacto entrenado con KServe requiere un paso de deployment independiente; el diagrama no implica una promoción automática de modelos.
Por qué ejecutar esto en EKS
Una plataforma EKS existente puede compartir la administración de capacidad, la integración de almacenamiento, la identidad de las cargas de trabajo y la monitorización con las cargas de trabajo de ML. La compatibilidad sigue dependiendo de la versión de Kubernetes, la arquitectura de CPU, las imágenes, la red, los drivers de almacenamiento y la autenticación. La conformidad de Kubernetes por sí sola no es suficiente; la documentación de la versión señala una cobertura incompleta de imágenes ARM64.
El equipo sigue siendo responsable de las actualizaciones de componentes/CRD, la autorización de tenants, los datos persistentes, las credenciales y la recuperación. Amazon SageMaker AI reduce algunas responsabilidades de infraestructura, mientras que el acceso a los datos, la corrección de la aplicación, la calidad del modelo y el control de costes siguen necesitando responsables. Elija según las interfaces requeridas, la capacidad operativa y las restricciones de las cargas de trabajo.
Contenido cubierto actualmente
- Parte 1: Arquitectura e instalación en EKS — versión actual de la comunidad, limitaciones de la distribución heredada de AWS, Profiles, identidad y renderizado de manifiestos.
- Parte 2: Pipelines — SDK v2, compilación, ejecución y almacenamiento de artefactos.
- Parte 3: Notebooks — cargas de trabajo, Profiles, almacenamiento y colocación de GPU.
- Parte 4: Katib — experimentos, trials, búsqueda y parada temprana.
- Parte 5: Trainer — Training Operator heredado y APIs de Trainer v2.
- Parte 6: KServe — recursos de inferencia, modos de deployment y rollouts.
Utilice la referencia de cada componente en cada capítulo. Compruebe la versión 26.03.1, el inventario fijado, KFP 2.17.2 y KServe 0.21.0 antes de seleccionar una instalación.