google-cloud-platform - GCP Kubeflow 和 GCP cloud composer 有什么区别？

Question

我正在学习 GCP，遇到了 Kuberflow 和 Google Cloud Composer。
据我了解，似乎两者都用于编排工作流，使用户能够在 GCP 中安排和监控管道。
我能弄清楚的唯一区别是 Kuberflow 部署和监控机器学习模型。我对么？在那种情况下，由于机器学习模型也是对象，我们不能使用 Cloud Composer 来编排它们吗？在管理机器学习模型方面，Kubeflow 如何以任何方式提供帮助，比 Cloud Composer 更好？

谢谢

Answer 1

Kubeflow 是一个用于开发和部署机器学习 (ML) 系统的平台。 Its components 专注于创建旨在构建机器学习系统的工作流。

Cloud Composer 提供运行 Apache Airflow worflows 的基础结构。它的组件称为 Airflow Operators，工作流是这些操作符之间的连接，称为 DAG。

这两个服务都运行在 Kubernetes 上，但它们基于不同的编程框架；因此，您是对的，Kuberflow 部署和监控机器学习模型。请参阅以下问题的答案:

那么，既然机器学习模型也是对象，我们就不能使用 Cloud Composer 来编排它们吗？

您需要找到满足您需求的运算符，或者使用创建模型所需的结构创建自定义运算符，请参阅 this example 。即使可以执行，这也可能比使用 Kubeflow 更困难。

在管理机器学习模型方面，Kubeflow 有何帮助，比 Cloud Composer 更好？

Kubeflow 隐藏了复杂性，因为它专注于机器学习模型。专门用于机器学习的框架使这些事情比使用 Cloud Composer 更容易，在这种情况下，Cloud Composer 可以被视为通用工具(专注于链接 Airflow Operators 支持的现有服务)。