#升级 Alauda AI

#安装 Alauda AI 集群组件

请访问 Alauda AI Cluster 了解：

1. 下载 Alauda AI 和 Knative Operator 的 operator bundle 软件包（可选）。
2. 下载 Alauda Build of KServe 的 operator bundle 软件包。
3. 将 operator bundle 软件包上传到目标集群。
4. 按照以下流程进行升级。

#升级前操作

#标注已停止的推理服务

从版本 2.2 开始，平台采用 KServe 提供的社区原生停止能力。为确保升级顺利，所有当前处于停止状态的推理服务必须在升级前显式添加注解。

1. 列出所有当前停止的推理服务：

   kubectl get inferenceservices --all-namespaces

2. 对每个停止的推理服务，添加以下注解：

   kubectl annotate inferenceservice <name> -n <namespace> serving.kserve.io/stop='true'

   或者直接编辑资源，在 metadata.annotations 下添加注解：

   apiVersion: serving.kserve.io/v1beta1
   kind: InferenceService
   metadata:
     name: <name>
     annotations:
       serving.kserve.io/stop: 'true'

3. 对所有命名空间中所有停止的推理服务重复此操作。

#升级流程

以下流程描述如何从 Alauda AI 1.5 升级到 2.2。

#升级 Alauda AI Essentials

在 global 集群的功能组件（Functional Components）标签页升级 Alauda AI Essentials。

在 Administrator 视图中，左侧导航进入 Clusters / Cluster，在右侧面板找到 global 集群，点击 Functional Components 标签页中的 Upgrade 按钮触发升级。

升级完成后，请确认列表中 Alauda AI Essentials 状态为 Running，版本为 v2.2.x。

#升级 Alauda AI Operator

operator 的升级流程几乎相同，仅目标组件不同。

#安装 Alauda Build of KServe Operator

从版本 2.2 开始，Alauda Build of KServe 作为独立 operator 插件提供，支持更专业灵活的模型服务能力。完成核心 AI operator 升级后，必须安装 KServe operator 以启用模型服务功能。

详细安装与配置步骤请参见 Alauda Build of KServe Installation Guide。

#升级集群插件

升级集群插件的流程包括上传新版本包，然后通过 Web Console 进行升级。需升级的插件包括：

• Alauda AI Workbench
• Alauda AI MLflow
• Alauda AI Volcano

#上传集群插件

将新的集群插件包上传至 global 集群。详细上传操作请参见 Uploading Cluster Plugins。

对每个已部署插件重复上传操作。

#验证新版本

进入 Administrator > Marketplace > Upload Packages，切换到 Cluster Plugin 标签页，确认每个上传插件显示新版本。

#通过 Web Console 升级

1. 进入 Administrator > Clusters > Clusters。
2. 点击部署插件的集群。
3. 切换到集群详情页的 Functional Components 标签页。
4. 找到有可升级版本的集群插件，旁边会显示升级图标。
5. 点击想升级插件的 Upgrade 按钮。
6. 在弹窗中确认升级信息和插件版本，点击 Upgrade 开始升级。

对每个已部署插件重复此流程。

#升级后操作

#更新已有推理服务

由于版本 2.2 中 KServe 的产品模式定义和 InferenceService 资源存在破坏性变更，所有升级前存在的推理服务必须手动更新。

对每个已有推理服务，执行以下操作：

1. 进入推理服务详情页。

2. 点击 Update Inference Service。

3. 在更新页面右上角点击 YAML 切换按钮，切换到 YAML 视图。

4. 定位到 spec.predictor.model.name 字段。

5. 删除 name 字段及其值。

   例如，若 YAML 包含：

   spec:
     predictor:
       model:
         name: kserve-container
         modelFormat:
           name: sklearn

   删除后应为：

   spec:
     predictor:
       model:
         modelFormat:
           name: sklearn

6. 点击 Save 应用更改。

7. 对所有升级前存在的推理服务重复此操作。

#验证

kubectl get amlcluster default

NAME      READY   REASON
default   True    Succeeded

kubectl get kserve default-kserve -n kserve-operator

NAME             DEPLOYED   REASON
default-kserve   True       UpgradeSuccessful

#弃用 Alauda AI Model Serving

从 Alauda AI 2.x 系列开始，传统的 Alauda AI Model Serving operator 被弃用。强烈建议需要无服务器推理能力的用户尽快切换至 Knative Operator，以确保长期支持和获取最新功能。

关于如何迁移无服务器工作负载到新 operator，请参见 Migrating to Knative Operator 指南。