介绍
本系列将介绍如何在阿里云容器服务上运行Kubeflow, 本文介绍如何使用Jupyter Hub。
- 第一篇：阿里云上使用JupyterHub
- 第二篇：阿里云上小试TFJob
- 第三篇：利用TFJob运行分布式TensorFlow
- 第四篇：利用TFJob导出分布式TensorFlow模型
- 第五篇：利用TensorFlow Serving进行模型预测
背景介绍
时间过得真快，李世乭和AlphaGo的人机对弈已经是两年前的事情。在过去的两年中，人工智能开始从学术界向工业界转型，基于人工智能技术的产品化落地和工业界方案的探索正如火如荼的进行。而随着计算和数据的规模化，机器学习模型持续迭代的常态化，人们意识到过去实验室里的手工作坊式的做法已经无法应对新的变化。
而Kubernetes作为基于容器技术的云平台，正在悄然的改变大规模部署和应用程序管理的行业标准，越来越多的企业开始使用Kubernetes来部署和运维自己的应用。虽然Kubernetes最擅长解决的是无状态服务生命周期管理，但是越来越多的其他类型的工作负载也在开始向这个平台迁移，目的在于利用Kubernetes平台本身的API，可靠性和生命周期管理能力。
而最近新兴的Kubeflow社区，就是利用Kubernetes将大规模机器学习变得模块化，可迁移和易扩展。
Kubeflow介绍
Kubeflow致力于利用Kubernetes将机器学习（ML）工作流程的部署变得简单，便携和可扩展。其目标不是重新创建其他服务，而是提供一种直接的方式将机器学习的最佳开源系统部署到各种基础架构中。 在运行Kubernetes的任何地方，都应该可以运行Kubeflow。该项目一直在不断的演进和丰富之中，目前主要包含的模块:
- JupyterHub创建和管理交互式Jupyter笔记本。 Jupyter本身支持跨所有编程语言的交互式数据科学和科学计算。
- TensorFlow训练管理控制器，可以配置使用CPU或者GPU，并且动态调整训练集群的规模
- TensorFlow服务将训练好的模型以grpc和REST的方式提供API调用
Kubeflow分别支持本地部署模式和云平台部署，阿里云Kubernetes容器服务针对于KubeFlow做了本地化的定制，方便您在阿里云上运行Kubeflow方案。
部署阿里云Kubernetes容器服务，并且选择GPU类型
具体参考创建GPU集群
部署Kubeflow
安装ksonnet
Kubeflow 利用 ksonnet 打包和部署其组件。
首先,安装ksonnet版本 0.9.2
# curl -o ks_0.9.2_linux_amd64.tar.gz http://kubeflow.oss-cn-beijing.aliyuncs.com/ks_0.9.2_linux_amd64.tar.gz
# tar -xvf ks_0.9.2_linux_amd64.tar.gz
# cp ks_0.9.2_linux_amd64/ks /usr/local/bin/
# ks version准备Github Token
- 登录https://github.com/settings/tokens创建token。你无须提供任何权限给这个token
- 请保存好该token，因为你无法再查看到这个token。如果没有记录好token，你就只能重现创建一个新的token
- 可以将该token保存到shell启动脚本中,比如
echo "export GITHUB_TOKEN=${GITHUB_TOKEN}" >> ~/.bashrc
export GITHUB_TOKEN=${GITHUB_TOKEN}该问题是ksonnet的限制：可以参考文档github-rate-limiting-errors了解其中的细节。
安装Kubeflow
# 创建Kubeflow运行的namespace
NAMESPACE=kubeflow
kubectl create namespace ${NAMESPACE}
# 指定特有版本
VERSION=jupyterhub-alibaba-cloud
# 初始化Kubeflow应用，并且将其namespace设置为default环境
APP_NAME=my-kubeflow
ks init ${APP_NAME} --api-spec=version:v1.9.3
cd ${APP_NAME}
ks env set default --namespace ${NAMESPACE}
# 安装 Kubeflow 模块
ks registry add kubeflow github.com/cheyang/kubeflow/tree/${VERSION}/kubeflow
ks registry list
ks pkg install kubeflow/core@${VERSION}
ks pkg install kubeflow/tf-serving@${VERSION}
ks pkg install kubeflow/tf-job@${VERSION}
# 创建核心模块的模板
ks generate kubeflow-core kubeflow-core
# 支持运行在阿里云Kubernetes容器服务
ks param set kubeflow-core cloud ack
ks param set kubeflow-core jupyterHubImage registry.aliyuncs.com/kubeflow-images-public/jupyterhub-k8s:1.0.1
ks param set kubeflow-core tfJobImage registry.cn-hangzhou.aliyuncs.com/kubeflow-images-public/tf_operator:v20180326-6214e560
ks param set kubeflow-core tfAmbassadorImage registry.aliyuncs.com/datawire/ambassador:0.34.0
ks param set kubeflow-core tfStatsdImage registry.aliyuncs.com/datawire/statsd:0.34.0
ks param set kubeflow-core jupyterNotebookRegistry registry.aliyuncs.com
ks param set kubeflow-core JupyterNotebookRepoName kubeflow-images-public
# 这里为了使用简单，将服务以LoadBalancer的方式暴露，这样可以直接通过阿里云SLB的ip访问。
ks param set kubeflow-core jupyterHubServiceType LoadBalancer
ks param set kubeflow-core tfAmbassadorServiceType LoadBalancer
ks param set kubeflow-core tfJobUiServiceType LoadBalancer
# 部署KubeFlow
ks apply default -c kubeflow-core验证部署
查看相关的Pod是否处于Running状态
# kubectl get po -n kubeflow
NAME READY STATUS RESTARTS AGE
ambassador-58f64cb77-9cqq2 2/2 Running 0 3h
ambassador-58f64cb77-fqn8x 2/2 Running 0 3h
ambassador-58f64cb77-g8pb6 2/2 Running 0 3h
centraldashboard-648d5f56d9-xp9c8 1/1 Running 0 3h
tf-hub-0 1/1 Running 0 3h
tf-job-dashboard-759c7d4dd-6mj2j 1/1 Running 0 3h
tf-job-operator-7684bcf66b-qqvt8 1/1 Running 0 3h体验Jupyter Hub
1. 可以通过kubectl命令查看Jupyter Hub的外网访问ip, 在本例子里，外网ip为101.37.178.121
# kubectl get svc -n kubeflow tf-hub-lb
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
tf-hub-lb LoadBalancer 172.19.3.22 101.37.178.121 80:32373/TCP 4h注意由于Kubeflow的Jupyter Hub目前仅仅提供http访问，并不推荐在生产环境使用LoadBalancer模式的Service，建议在生产环境，可以使用
kubectl proxy的模式访问
2. 通过外网ip访问Jupyter Hub, 默认没有提供认证插件，可以通过任何用户名和密码登录
3. 点击Start My Server创建Jupyter Notebook
4. 可以从下拉框里，选择不同版本TensorFlow的Jupyter Notebook（1.4.1，1.5.1，1.6.0, 1.7.0), 这里的地址都是阿里云容器镜像的地址，无需担心镜像下拉失败的问题。如果要使用一块GPU卡，请在Extera Resource Limits填入{"nvidia.com/gpu":"1"}, 点击Spwan：
5. 这时可以看到启动页面一直处于加载状态，这是由于Jupyter Notebook的镜像通常很大，下载时间较长。
6. 当Jupyter Notebook启动完成后，就会完成自动跳转.这时候可以从下拉框选择Terminal, 并且点击
7. 可以在Terminal执行nvidia smi, 可以看到当前环境是P100的单卡
8. 可以通过http://{ip}/user/{user}/tree返回到Jupyter主页, 从下拉框选择python 3，并且点击
9. 运行简单的mnist softmas测试
以下为测试代码：
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
import tensorflow as tf
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.05).minimize(cross_entropy)
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
for _ in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))删除Kubeflow
# ks delete default -c kubeflow-core
# kubectl delete ns kubeflow总结
为了方便阿里云的用户学习和使用Kubeflow, 阿里云Kubernetes容器服务提供了本地化运行的方案。当然Kubeflow目前还不够成熟，但是它的社区热度和演进速度还是让人充满了期待；我们会进一步加强Kubeflow和阿里云自身负载均衡，存储和认证机制相结合，进一步降低在阿里云使用Kubernetes上的机器学习栈的难度。