摘要：
相关软件 1、kubeadm 安装步骤 1、禁用所有交换分区 /etc/fstab 可以用free命令查看禁用情况 2、关闭防火墙 3、禁用SELinux 安装网络插件flannel 报错 把自定义pki密钥拷到对应目录下。 在/etc/hosts文件中加上主机名映射。 添加node节点 新加的节点 阅读全文
摘要：
1、下载ksonnet和kubeflow，并解压归档 2、安装ksonnet 3、 阅读全文
摘要：
SELinux（Security-Enhanced Linux），是Linux的的安全子系统。 阅读全文
摘要：
Horovod是一个支持TensorFlow、Keras、PyTorch和Apache MXNet的分布式训练框架。Horovod的目标是让分布式深度学习更快更易用。 为啥不用原生的TensorFlow分布式训练？ 1、代码改动多少？ 2、比原生的分布式训练快多少？ Horovod用的MPI比分布式 阅读全文
摘要：
参考链接 https://github.com/kubeflow/kubeflow https://www.kubeflow.org/docs/started/getting-started/ 阅读全文
摘要：
自定义资源（Custom Resource）是k8s API的扩展。资源是k8s API中的一个端点，存储某种类型的API对象的集合。例如，内置的pods资源包含pod对象的集合。（注：API这个词用的不是很易读） 阅读全文
摘要：
Service是一个Pod集合的抽象，提供网络服务。 ClusterIP：默认的服务类型，基于集群内部IP提供服务，服务只能在集群内部访问。 NodePort：基于机器的网卡IP提供服务，可以从集群外部访问服务。从NodePort到ClusterIP的路由会自动创建。 用户空间代理模式（user s 阅读全文
摘要：
部署（Deployment）控制器为Pod和ReplicaSet提供声明性更新。 阅读全文
摘要：
副本集合（ReplicaSet）的作用是，在任何时刻，都维护一个Pod对象数目固定的副本集合，这些Pod对象都相同，通常用于保证可用性。 不过，k8s官方推荐使用更高层级的概念Deployment，而不是直接用ReplicaSet。 在旧版本中，叫ReplicationController Repl 阅读全文
摘要：
Python通过ctypes函数库调用C/C++。 节点之间的通信格式是key-value。 一个节点中，只有0号进程才参与网络通信。 scheduler和server都是直接用MXNet代码，没用BytePS。 worker之间没有通信，server之间也没有通信。（注：李沐论文中说的Parame 阅读全文