Balinder Walia
دليل عملي لربط Kubeflow (تدريب / تقييم / تسجيل) مع Argo CD (تسليم / تراجع GitOps). للبنية الكاملة والـ manifests والأنماط المضادة، اقرأ مقال طويل.
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 والتجارب | Kubeflow Pipelines / Trainer | YAML المسار / مواصفات المكوّنات |
| مخرجات النموذج والنَسَب | Model Registry + object storage | URI + بيانات وصفية — لا ملف الأوزان |
| الخدمة وcanaries والتراجعات | KServe + Argo CD | InferenceService overlays |
| تثبيت المنصة والترقيات | Argo CD Applications | Helm/Kustomize لـ Kubeflow نفسه |
حلقة من طرف إلى طرف (ما يبدو جيدًا)
- عالِم بيانات يدمج تغيير مسار → Argo CD يزامن CRDs المسار.
- يشغّل Kubeflow التدريب على عُقد GPU (اختياريًا في طابور عبر Kueue).
- تمر بوابات التقييم → يُسجَّل URI النموذج؛ يحدّث PR الإنتاج
InferenceServicestorageUri. - يكتشف Argo CD حالة OutOfSync وينشر (حركة canary أولًا).
- انحراف أو مقاييس سيئة →
git revertيستعيد 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.
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 Workstation.