Balinder WaliaUm guia prático para combinar Kubeflow (treinar / avaliar / registar) com Argo CD (entregar / rollback GitOps). Para a arquitetura completa, manifests e anti-padrões, leia o artigo longo.
InferenceService, definição de pipeline e componente de plataforma é reconciliado a partir do Git. Treine e avalie no Kubeflow; promova atualizando um manifest Git; faça rollback com git revert. Mantenha os modelos em object storage — o Git guarda URIs e config, não os pesos.
Por que ambas as ferramentas?
Kubeflow responde: como executamos treino e avaliação reproduzíveis em GPUs? Argo CD responde: como enviamos o modelo resultante para produção sem clusters snowflake? Usar apenas Kubeflow acaba muitas vezes em kubectl apply para o serving. Usar apenas Argo CD deixa-o sem um pipeline ML e sistema de experiências de primeira classe. Juntos formam um ciclo MLOps fechado.
A divisão do trabalho
| Preocupação | Ferramenta | O que vive no Git |
|---|---|---|
| DAGs de pipeline, TrainJobs, experiências | Kubeflow Pipelines / Trainer | YAML de pipeline / specs de componentes |
| Artefactos de modelo e linhagem | Model Registry + object storage | URI + metadados — não o ficheiro de pesos |
| Serving, canaries, rollbacks | KServe + Argo CD | InferenceService overlays |
| Instalação e upgrades de plataforma | Applications Argo CD | Helm/Kustomize para o próprio Kubeflow |
Ciclo de ponta a ponta (como se vê o bom)
- O data scientist faz merge de uma alteração de pipeline → Argo CD sincroniza os CRDs do pipeline.
- O Kubeflow executa o treino em nós GPU (opcionalmente em fila via Kueue).
- As gates de avaliação passam → URI do modelo registada; um PR atualiza o prod
InferenceServicestorageUri. - O Argo CD deteta OutOfSync e faz rollout (tráfego canary primeiro).
- Drift ou métricas más →
git revertrestaura a URI anterior; o Argo CD reconcilia.
Cinco práticas que lhe poupam dor
- Repositórios ou pastas separados: plataforma (instalação Kubeflow) vs apps (pipelines + InferenceServices).
- Nunca faça commit de binários de modelos — referência
s3:///gs:/// URIs de PVC. - Sync waves: MySQL/MinIO (ou equivalentes geridos) antes dos componentes KFP.
- Limites de recursos em cada passo — jobs de treino sem limites vão esgotar o cluster.
- Promotion = PR, não um botão num notebook. A pista de auditoria vem de graça.
Quando este stack é excessivo
Um único Mac Studio a executar Ollama para um chatbot de PME não precisa de Kubeflow + Argo CD. Adote este padrão quando tiver vários modelos, contenção de GPU, necessidades de compliance, ou mais do que um ambiente (dev/staging/prod) que deve permanecer idêntico.
Leia a versão longa
O artigo longo cobre o mapa MLOps Kubernetes 2026 (KFP v2, Trainer, KServe, Kueue), padrões Application Argo CD, gates de promoção, serving canary, FinOps de GPU e uma checklist de rollout. Publicado por Workstation.