1.4　為什么需要Kubernetes

Kubernetes是一個用于自動化部署、擴展和管理容器化應用程序的開源系統(tǒng)。它允許Pipeline在不犧牲可移植性的情況下進行擴展，能夠避免云廠商鎖定[1]。除了能夠從單機切換到分布式集群外，機器學習Pipeline的不同階段可以請求不同數(shù)量或類型的資源。比如，數(shù)據(jù)準備可能需要在多臺機器上運行，而模型訓練可能適合在GPU或張量處理單元（TPU）之上進行計算。這種靈活性在云環(huán)境中特別有用，你可以只在有需要時才使用昂貴的資源，從而降低成本。

當然，你也可以直接在Kubernetes之上構建容器化機器學習Pipeline，而不使用Kubeflow。然而，Kubeflow的目標是將這個過程標準化，并使實施過程變得更加簡單和高效[2]。Kubeflow在你可能用于機器學習實現(xiàn)的工具上提供了一個通用接口。它還使你更容易地配置實現(xiàn)以使用TPU等硬件加速器，而無須更改代碼。

[1] Kubernetes通過提供容器編排層來實現(xiàn)避免云廠商鎖定。關于Kubernetes的更多信息，請查看文檔（https://oreil.ly/h2ami）。

[2] Spotify能夠將實驗的速度提高7倍。參見這篇Spotify Engineering博客（https://oreil.ly/EoxeS）。