Plataforma nativa de Kubernetes para desplegar y servir modelos de IA predictiva y generativa a escala con distintos frameworks de ML.
6,1 mil1,7 milGoApache-2.0Actualizado anteayer
kuberay-project/kuberay
Un operador de Kubernetes que despliega y administra aplicaciones de Ray mediante los recursos RayCluster, RayJob y RayService.
- Estrellas
- 2,739
- Forks
- 894
- Issues abiertos
- 718
- Último commit
- anteayer
¿Qué es?
KubeRay es un operador de Kubernetes de código abierto para ejecutar aplicaciones de Ray en Kubernetes. Define tres recursos personalizados: RayCluster, que administra el ciclo de vida de un clúster de Ray, incluida su creación, eliminación, escalado automático y tolerancia a fallos; RayJob, que crea un RayCluster y envía un trabajo cuando el clúster está listo, con la opción de eliminarlo después; y RayService, que combina un RayCluster con un despliegue de Ray Serve y admite actualizaciones sin tiempo de inactividad.
El componente principal se mantiene como parte del proyecto. Entre los componentes opcionales del ecosistema se incluyen un plugin de kubectl (beta), un servidor API (alfa) y un panel de control (experimental). El proyecto se integra con herramientas de Kubernetes como Prometheus, Grafana, Volcano, Kueue y Apache YuniKorn. Es un proyecto sandbox de la CNCF con licencia Apache-2.0.
Funciones clave
- 01Administra el ciclo de vida de RayCluster, incluido el escalado automático y la tolerancia a fallos.
- 02Ejecuta trabajos de Ray mediante RayJob, con la opción de eliminar el clúster al finalizar.
- 03Despliega aplicaciones de Ray Serve con RayService y permite actualizaciones sin tiempo de inactividad.
- 04Ofrece un plugin opcional de kubectl para flujos de trabajo habituales de Ray.
Casos de uso
- Ejecutar trabajos de entrenamiento distribuido en un clúster compartido de Kubernetes.
- Servir modelos de machine learning con Ray Serve en Kubernetes.
- Ejecutar trabajos de inferencia por lotes o procesamiento de datos que necesitan clústeres de Ray temporales.
Inicio rápido
- 1
Abre la guía de inicio rápido de RayCluster en la documentación de Ray
- 2
Si vas a usar esos recursos, sigue la guía de inicio rápido de RayJob o RayService en la documentación de Ray
Antes de usarlo
- Se requiere un clúster de Kubernetes y la configuración se realiza siguiendo la documentación de Ray, no con un único comando de instalación.
- KubeRay APIServer está en fase alpha y el dashboard es experimental, por lo que no está listo para producción.
- El complemento de kubectl todavía está en fase beta.
Temas
Preguntas frecuentes
- ¿Qué es kuberay?
- Un operador de Kubernetes que despliega y administra aplicaciones de Ray mediante los recursos RayCluster, RayJob y RayService. KubeRay es un operador de Kubernetes de código abierto para ejecutar aplicaciones de Ray en Kubernetes. Define tres recursos personalizados: RayCluster, que administra el ciclo de vida de un clúster de Ray, incluida su creación, eliminación, escalado automático y tolerancia a fallos; RayJob, que crea un RayCluster y envía un trabajo cuando el clúster está listo, con la opción de eliminarlo después; y RayService, que combina un RayCluster con un despliegue de Ray Serve y admite actualizaciones sin tiempo de inactividad.
- ¿kuberay es gratuito? ¿Qué licencia tiene?
- kuberay es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿kuberay sigue mantenido?
- Mantenimiento activo. El último commit de kuberay fue el 20 oct 2026.
- ¿Para qué puedo usar kuberay?
- Ejecutar trabajos de entrenamiento distribuido en un clúster compartido de Kubernetes. Servir modelos de machine learning con Ray Serve en Kubernetes. Ejecutar trabajos de inferencia por lotes o procesamiento de datos que necesitan clústeres de Ray temporales.
- ¿Cómo se instala kuberay?
- Abre la guía de inicio rápido de RayCluster en la documentación de Ray Si vas a usar esos recursos, sigue la guía de inicio rápido de RayJob o RayService en la documentación de Ray
- ¿Dónde consigo kuberay?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/kuberay-project/kuberay
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Plano de control open source que aprovisiona y orquesta recursos de cómputo con GPU para entrenamiento e inferencia en nubes con GPU, Kubernetes, VM y clústeres locales.
2,3 mil270PythonMPL-2.0Actualizado anteayer
Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.
Recursos de aprendizaje#artificial-intelligence#machine-learning#deep-learning#neural-networks#computer-vision
70,1 mil13,6 milJupyter NotebookMITActualizado el mes pasado
Ray es un framework unificado para escalar aplicaciones de Python e IA desde una laptop hasta un clúster, con un runtime distribuido y bibliotecas de IA.
44,1 mil8,2 milPythonApache-2.0Actualizado ayer
Una biblioteca de Python de Hugging Face para cargar datasets públicos de IA del Hub en una sola línea y preprocesarlos eficientemente con herramientas basadas en Arrow.
22,1 mil3,5 milPythonApache-2.0Actualizado anteayer
Una lista seleccionada de bibliotecas, modelos, implementaciones, tutoriales y artículos relacionados con PyTorch en GitHub.
16,7 mil2,8 milSin licenciaActualizado hace 29 días