升级 Kubeflow Operators

本页描述升级 Kubeflow operators 后可能需要执行的手动操作。

有关安装步骤,请参阅 安装 Kubeflow Operators。

从 v1.x(Cluster Plugin)迁移到 v26.3.0(OLM Operator)

从 v26.3.0(Alauda AI v2.3)开始,Kubeflow 组件以 OLM Helm Operators(kfbase-operator、kfp-operator、kubeflow-trainer-operator)的形式提供,而不再是 Cluster Plugins(kfbase、kfp、kftraining、kubeflow-trainer)。这两种形态之间没有原地升级路径——Cluster Plugin 安装描述符(ModuleInfo)与 OLM Subscription 彼此不兼容。

推荐的迁移操作步骤

  1. 备份用户数据:

    • 为每个用户命名空间中的 Notebook PVC 创建快照。
    • 导出你为 Kubeflow 用户创建的 Profile CR,以及任何自定义的 RoleBinding / AuthorizationPolicy。
    • 通过 kfp CLI 导出你的 KFP pipelines、experiments 和 scheduled runs。
    • 导出任何 TrainingRuntime 和处于活动状态的 TrainJob CR。
  2. 从 AC UI(Cluster Plugins)卸载 v1.x Cluster Plugin 安装: 按以下顺序移除 kubeflow-trainer、kfp、kftraining(如果存在)以及 kfbase。匹配的 ModuleInfo / ModuleConfig 资源会自动移除。

    警告: 在确认第 1 步中的备份完成之前,请不要继续。如果卸载会移除 kubeflow.org CRDs,则所有 Profile CR(以及它们所属的用户命名空间 / Notebook PVC)都可能被级联删除。在依赖下面的恢复步骤之前,请先验证你的用户命名空间和 PVC 在卸载后是否仍然存在。

  3. 从 Administrator > MarketPlace > OperatorHub 安装 v26.3.0 operator 集:

    • 首先安装 kfbase-operator(其他 operators 依赖基础组件)。
    • 如果你需要 Kubeflow Pipelines(仅 amd64 集群),安装 kfp-operator。
    • 如果你需要 Trainer v2,安装 kubeflow-trainer-operator。
  4. 创建对应的 CR 实例(KubeflowBase、KubeflowPipelines、KubeflowTrainer),并复用你在 v1.x 安装中的配置。之前在 Cluster Plugin 安装表单中设置的 chart values 现在通过 operator 的 CSV specDescriptors 暴露出来——大多数字段名称保持不变。

  5. 恢复用户数据: 如果 Profile CR 及其 PVC 在卸载过程中得以保留,它们会通过 Notebook controller reconcile 自动重新挂载。如果它们已被移除,请先重新应用你在第 1 步中导出的 Profile CR,并先从快照中恢复 PVC。无论哪种情况,都要重新导入 KFP pipelines 和 TrainingRuntimes。

v1.x 与 v26.3.0 之间的变化

  • 形态: Cluster Plugin → OLM Helm Operator。
  • 安装描述符: ModuleInfo → OLM Subscription + ClusterServiceVersion + operator 管理的 CR。
  • Trainer: 移除了 kftraining(Training Operator v1,已弃用);改为 kubeflow-trainer-operator(Trainer v2)。
  • 上游对齐: 所有 charts 重新固定到 kubeflow/manifests 26.03。
  • 架构: kfp-operator 现在仅支持 amd64;kfbase-operator 和 kubeflow-trainer-operator 仍支持 amd64 + arm64。

关于 kfbase 的升级说明(v1.x 历史版本)

从 v1.10.13 或更早版本升级

直到 v1.10.13 的版本都通过 NodePort 暴露 Kubeflow dashboard。升级后,推荐改为通过 gateway endpoint 访问。

升级后:

  • 检查 kfbase 插件配置中的 kubeflowDomain 字段,以获取 <your-kubeflow-domain>。
  • 运行 kubectl -n istio-system get gateway kubeflow-external-gateway 获取 gateway IP 地址。
  • 更新 DNS 解析,或更新本地 hosts 文件,使 <your-kubeflow-domain> 解析到该 gateway IP 地址。

如果你仍需要使用 NodePort,请手动将 istio-system/kubeflow-istio-ingressgateway service 的类型更改为 NodePort,然后运行以下命令获取 443 对应的分配端口:

kubectl -n istio-system get service kubeflow-istio-ingressgateway

随后,你可以通过以下地址访问 dashboard:

https://<ip-of-master-node-of-the-cluster>:<NodePort>/

从 v1.10.9 或更早版本升级

在升级之前,请在集群中设置一个默认 storage class,它将用于 kfbase 插件配置中的 pgStorageClass 参数。如果未设置默认 storage class,升级可能会因缺少必需参数而失败。这些参数是在 v1.10.10 版本中引入的。