2、环境基石：Kubernetes 集群搭建与 Kubeflow 安装部署（含多节点与单节点方案）
说实话，Kubeflow 的学习曲线里，最陡峭的部分往往不是 Kubeflow 本身，而是它脚下的 Kubernetes 集群。我见过太多同学在安装环节卡住，然后怀疑人生。其实别慌，Kubernetes 说白了就是一个「大管家」，负责调度你的容器。而 Kubeflow 就是在这个管家之上，专门为机器学习工作流定制的一套「高级家具」。
这一章，我们就来亲手把这个「管家」请进门，再把「家具」摆好。我会给出两种方案：单节点（适合学习、开发） 和 多节点（适合生产、团队协作）。你根据自己的情况选一个就行。
核心逻辑图：从裸机到 Kubeflow 的完整链路
2.1 环境准备：先把地基打牢
不管你是用单节点还是多节点，有几样东西是必须提前装好的。我个人习惯用 Ubuntu 20.04/22.04 LTS，因为社区支持最好，踩坑最少。
- Docker：容器运行时。Kubernetes 从 1.24 版本开始默认用 containerd，但 Docker 作为上层工具依然好用。
- kubeadm / kubelet / kubectl：Kubernetes 的三件套。kubeadm 负责初始化集群，kubelet 是每个节点上的代理，kubectl 是你和集群对话的命令行工具。
- 硬件要求：单节点至少 2 核 CPU、4GB 内存、20GB 磁盘。多节点的话，Master 节点建议 4 核 8GB，Worker 节点根据你的训练任务来定。
我的小经验： 如果你是在本地 Mac 或 Windows 上学习，直接用 Docker Desktop 自带的 Kubernetes 功能也行，但功能受限。我建议还是用虚拟机或者云服务器，体验更完整。
2.2 方案一：单节点集群搭建（适合个人学习）
单节点方案，说白了就是「一台机器既当爹又当妈」。我推荐用 k3s 或者 minikube。k3s 更轻量，minikube 功能更全。这里我以 k3s 为例，因为它安装起来真的快。
# 安装 k3s（一行命令搞定）
curl -sfL https://get.k3s.io | sh -
# 查看节点状态
sudo kubectl get nodes
# 如果看到 Ready，说明集群已经跑起来了
# 复制 kubeconfig 到默认位置（方便 kubectl 直接使用）
mkdir -p ~/.kube
sudo cp /etc/rancher/k3s/k3s.yaml ~/.kube/config
sudo chown $USER:$USER ~/.kube/config
export KUBECONFIG=~/.kube/config嗯，这里要注意：k3s 默认用 containerd 作为运行时，而不是 Docker。如果你习惯用 Docker 命令，可以额外安装 Docker，但 k3s 本身不依赖它。
我曾经踩过的坑： 安装完 k3s 后，直接运行 kubectl get pods -n kube-system 发现 coredns 一直 Pending。后来查了日志，发现是节点有污点（taint），需要手动去除。命令是 sudo kubectl taint nodes --all node-role.kubernetes.io/master-。如果你也遇到类似情况，可以试试。
2.3 方案二：多节点集群搭建（适合团队或生产）
多节点方案，我建议用 kubeadm。它虽然步骤多一点，但胜在可控性强。你想想看，生产环境里你肯定不希望一键脚本帮你做所有决定。
大致流程是这样的：
- 所有节点：安装 Docker、kubeadm、kubelet、kubectl，并关闭 swap（Kubernetes 要求）。
- Master 节点：执行
kubeadm init，初始化控制平面。 - Worker 节点：执行
kubeadm join，加入集群。 - 安装网络插件：比如 Calico 或 Flannel，否则 Pod 之间无法通信。
# 在 Master 节点上初始化
sudo kubeadm init --pod-network-cidr=10.244.0.0/16
# 初始化完成后，会输出一段 join 命令，复制下来备用
# 比如：kubeadm join 192.168.1.100:6443 --token xxx --discovery-token-ca-cert-hash sha256:xxx
# 配置 kubectl
mkdir -p $HOME/.kube
sudo cp -i /etc/kubernetes/admin.conf $HOME/.kube/config
sudo chown $(id -u):$(id -g) $HOME/.kube/config
# 安装 Flannel 网络插件
kubectl apply -f https://raw.githubusercontent.com/flannel-io/flannel/master/Documentation/kube-flannel.yml
# 在 Worker 节点上执行 join 命令（上面复制的那段）
sudo kubeadm join 192.168.1.100:6443 --token xxx --discovery-token-ca-cert-hash sha256:xxx验证集群： 在 Master 节点上运行 kubectl get nodes，如果所有节点都是 Ready 状态，恭喜你，集群搭建成功了。
2.4 安装 Kubeflow：终于轮到主角登场
Kubeflow 的安装方式有好几种，我推荐用 Kubeflow Manifests 方式，因为它最透明，也最容易定制。不过要注意，Kubeflow 对 Kubernetes 版本有要求，建议用 1.25 或 1.26 版本。
# 下载 Kubeflow Manifests（以 v1.7.0 为例）
git clone https://github.com/kubeflow/manifests.git
cd manifests
# 安装 Kubeflow（这一步会安装所有核心组件）
while ! kustomize build example | kubectl apply -f -; do
echo "Retrying to apply resources..."
sleep 10
done
# 查看所有 Pod 是否都 Running
kubectl get pods -n kubeflow
# 暴露 Kubeflow 中央 Dashboard（默认是 ClusterIP，改成 NodePort 方便访问）
kubectl patch svc istio-ingressgateway -n istio-system -p '{"spec":{"type":"NodePort"}}'
# 获取访问端口
kubectl get svc istio-ingressgateway -n istio-system安装过程可能会比较慢，因为要拉取很多镜像。我记得有一次在阿里云上安装，等了将近 20 分钟。别急，你可以用 kubectl get pods -n kubeflow -w 实时监控进度。
一个小技巧： 如果你在国内网络环境下安装，建议提前配置 Docker 镜像加速器，或者把 gcr.io 的镜像同步到阿里云镜像仓库。否则你会体验到什么叫「等待的煎熬」。
2.5 验证安装：看看 Kubeflow 能不能用
安装完成后，打开浏览器，输入 http://<你的节点IP>:<NodePort端口>，你应该能看到 Kubeflow 的登录页面。默认用户名和密码是 user@example.com / 12341234。
登录后，你可以做几件事来验证：
- 点击左侧的 Notebooks，创建一个 Jupyter Notebook 实例。
- 点击 Pipelines，看看有没有示例流水线可以运行。
- 点击 Katib，尝试提交一个简单的超参数调优任务。
如果这些都能正常工作，说明你的 Kubeflow 环境已经就绪了。说实话，走到这一步，你已经超越了 80% 的初学者。
我曾经遇到的问题： 安装完成后，Dashboard 一直报 503 错误。后来发现是 Istio 的 Ingress Gateway 没有正确绑定端口。解决办法是重新 patch 一下 Service，或者直接改成 LoadBalancer 类型（如果你在云上）。
2.6 本章小结
这一章我们走完了从零搭建 Kubernetes 集群到安装 Kubeflow 的全过程。单节点方案适合你快速上手、跑通流程；多节点方案则更贴近真实的生产环境。我个人建议：如果你是初学者，先用单节点方案把 Kubeflow 玩熟，再考虑扩展到多节点。
环境搭好了，下一章我们就可以真正开始用 Kubeflow 做点事情了。嗯，到时候见。