2.1.3　搭建Kubeflow开发环境

Kubeflow Pipeline系统是基于Python构建的，在本地安装SDK可以让你更快地构建Pipeline。如果不能在本地安装软件，也可以使用Kubeflow的Jupyter环境来构建Pipeline。

1.搭建Pipeline SDK

要开始搭建Pipeline SDK，你需要安装Python（https://oreil.ly/IbfY2）。大家发现为不同的项目创建隔离的虚拟环境非常有帮助，参见例2-4。

例2-4：创建一个虚拟环境

现在你可以使用pip命令来安装Kubeflow Pipeline SDK，参见例2-5。

例2-5：安装Kubeflow Pipeline SDK

如果使用虚拟环境，则每当使用Pipeline SDK时，你都需要激活它。

除了SDK，Kubeflow还提供了一些组件。如例2-6中，使用标准组件的固定版本，我们可以创建更可靠的Pipeline。

例2-6：克隆Kubeflow Pipeline仓库

2.搭建Docker

Docker（https://www.docker.com）是最低要求的重要组成部分，可以让你定制和将库及其他功能添加到自定义容器中。第3章中我们会介绍更多关于Docker的内容。Docker可以从Linux的标准包管理器或macOS的Homebrew中安装。

除了安装Docker，我们还需要一个存储容器镜像的地方，称为容器镜像仓库。Kubeflow集群需要访问容器镜像仓库。Docker公司提供了Docker Hub（https://hub.docker.com），RedHat提供了Quay（https://quay.io），Quay是一个云中立平台。另外，你还可以使用云厂商提供的容器镜像仓库[1]。云厂商提供的容器镜像仓库通常更安全，并且可以用获取镜像所需的权限自动配置Kubernetes集群。在我们的例子中假设你已经通过环境变量$CONTAINER_REGISTRY设置了容器镜像仓库。

如果镜像仓库不在Google云平台上，那么你需要按照Kaniko配置指南（https://oreil.ly/88Ep-）来配置Kubeflow Pipeline容器构建器以访问镜像仓库。

为了确保Docker安装的配置正确，你可以写一行Dc，然后推送到至镜像仓库。对于Dockerfile，我们将使用FROM命令来表示基于Kubeflow TensorFlow notebook容器镜像构建，参见例2-7（详见第9章）。当推送一个容器镜像时，你需要指定tag，其决定镜像的名称、版本以及存储位置，参见例2-8。

例2-7：指定新镜像基于Kubeflow的容器镜像

例2-8：构建新的容器镜像并推送到镜像仓库中使用

上述设置完成后，你可以定制Kubeflow中的容器和组件以满足需求。我们将在第9章中从头开始并深入地研究如何构建容器镜像。

在后续的章节中，我们也会在需要的时候使用该模式添加工具。

3.编辑YAML

虽然在很大程度上Kubeflow已将Kubernetes的细节抽象出来，但有时查看或修改配置还是非常有帮助的。Kubernetes的大部分配置都是用YAML表示的，所以设置工具来方便地查看和编辑YAML也是很有益处的。大多数集成开发环境（IDE）都提供了一些编辑YAML的工具，但有时也可能需要单独安装这些工具。

IntelliJ有一个YAML插件（https://oreil.ly/Awmeq）。对于emacs来说，有很多模式可以用于编辑YAML，包括yaml-mode（https://oreil.ly/lWZE5）（可以从Milkypostman的Emacs Lisp Package Archive（MELPA）（https://melpa.org）安装）。Atom有一个语法高亮YAML包（https://oreil.ly/z47Sa）。如果你使用不同的IDE，在探索可用的插件之前，不要为了更好地编辑YAML而抛弃它。不管采用何种IDE，你都可以使用YAMLlint网站（http://www.yamllint.com）来检查YAML。

[1] 只需搜索“cloudname”并加上容器镜像仓库名称即可获得文档。