我使用MLFlow在DataBricks上训练模型，并将最终模型输出到S3。然后，使用Seldon-Core来打包并部署模型到AWS EKS。

我正在寻找一种工具，能够从S3获取模型，将其打包进Docker容器，并使用Seldon-Core的K8S模板将其推送到AWS EKS。

我认为适合这项工作的工具是Kubeflow Pipelines。其他竞争者包括Jenkins、Gitlab和TravisCI。

Kubeflow是否是这项工作的绝对正确工具？Kubeflow与其他工具相比的优缺点是什么？如果有人已经做了研究甚至已经构建了管道…

回答：

GitLab实际上可以像Kubeflow Pipelines一样开箱即用，它的Yaml与CircleCI或TravisCI类似。我最终使用GitLab作为Kubeflow Pipelines的替代方案。

关于Kubeflow…在尝试了0.5和0.6版本后，我们觉得它还相当不稳定。无论是在MiniKube（本地K8S）还是AWS EKS上，安装过程都不顺利。对于MiniKube，文档中的安装脚本有问题，你会看到很多人遇到问题并手动编辑安装脚本（我也是这样做的才能正确安装）。在EKS上，我们无法安装0.5版本，不得不安装一个更旧的版本。Kubeflow希望以特定方式管理工作节点，而我们的安全政策不允许这样做，只有在更旧的版本中你可以覆盖这个选项。

Kubeflow也在转向Kustomize，但目前还不稳定，所以如果你现在使用它，你将使用不再支持的Ksonnet，你将学习一个你迟早会抛弃的工具。

总的来说，应该等到1.0版本，但Gitlab作为Kubeflow Pipelines的替代方案表现出色。

希望这能帮助有同样想法的其他人