Kubernetes maakt machine learning-toolkit Kubeflow beschikbaar

Het Kubernetes-project heeft de ontwikkeling van het nieuwe project Kubeflow aangekondigd. Dit adresseert een aantal uitdagingen dat komt kijken bij het inzetten van complexe workloads. Kubeflow maakt het makkelijker om machine learning stacks in combinatie met Kubernetes te gebruiken.

Kubernetes-afnemers kunnen de dienst eenvoudig gebruiken, aangezien de toolkit overal waar Kubernetes gebruikt wordt in te zetten is. De organisatie geeft dan ook aan dat Kubernetes is uitgegroeid tot een platform waar gebruikers complexe workloads onderbrengen. Volgens het project wordt het platform steeds vaker gekozen voor machine learning, naast voordelen als veel API’s, betrouwbaarheid en prestatie.

Om Kubeflow mogelijk te maken wordt er gebruikgemaakt van JupyterHub, waarmee het creëren en beheren van interactieve Jupyter notebooks mogelijk is. Ook beschikt het over een Tensorflow Custom Resource (CRD), die CPU’s of GPU’s kan gebruiken en met een enkele configuratie is aan te passen naar de omvang van een cluster. Verder vertrouwt het project op een Tensorflow Serving container.

Hulp

Het gaat om een open-source toolkit waaraan onder andere CaiCloud, Red Hat & OpenShift, Canonical, Weaveworks en Container Solutions meewerken. Er is de overtuiging dat Kubeflow-gebruikers werken met meerdere omgevingen. Hierdoor wordt ksonnet erg bruikbaar, aangezien dit het verplaatsen van workloads tussen verschillende omgevingen eenvoudig maakt.

Reza Shafii, vicepresident product van CoreOS, geeft aan dat het Kubeflow-project een benodigde ontwikkeling is voor het vereenvoudigen van het inzetten en produceren van machine learning workloads op Kubernetes. Shafii voorziet dat dit meer bedrijven op het platform laat vertrouwen. Samen met de projectdeelnemers wil hij Kubeflow goed in Tectonic integreren, het enterprise Kubernetes-platform.

Kubernetes 1.9

CNCF, de organisatie achter Kubernetes, maakt de laatste tijd sprongen met het systeem voor het bouwen van applicaties waarbij codes over meerdere software-containers verspreiden. Zo werd eerder in december nog versie 1.9 beschikbaar gemaakt. Hierin vinden we bijvoorbeeld Apps Workloads API, die objecten als DaemonSet, Deployment, ReplicaSet en SatefulSet groepeert.