第2篇　Kubeflow：连接云计算和机器学习的“桥梁”

在前文中，我们简述了当前IT 界的两大“高速列车”——云计算和机器学习，二者相辅相成、相互促进，共同引领IT 技术飞速发展。如何使二者相互结合，从而发挥更大的作用，是近几年IT 界比较热门的话题，各大IT 公司都在试图投入人力和物力来解决这个问题。Kubeflow 正是在这样的大背景下横空出世的。在短短的一年时间内，Kubeflow已经发展成Kubernetes 开源社区中最火热的项目之一，各大IT 巨头纷纷加入了Kubeflow的研发和应用队伍中。

Kubeflow 能够发展这么迅速，主要的原因是它起到了“桥梁”的作用，它强有力地连接起了云计算的标杆技术Kubernetes 和机器学习的各个主流框架（如TensorFlow、PyTorch 等），同时提供了AI 在Kubernetes 云平台上实现端到端的解决方案，给云计算增加了一个重要的应用场景，使机器学习可以更加迅速地发力，大大缩短了机器学习的周期（从数据采集，到模型训练，再到服务发布，从原来的数月缩短到数天，甚至数小时），极大地提高了机器学习的效率，降低了数据科学家和机器学习工程师的维护成本。

这一部分，我们重点讲解Kubeflow。Kubeflow 并不是一种技术，它实际上是一些技术的组合，涉及机器学习的方方面面。