首页
/ Spark Operator项目Helm仓库迁移至Kubeflow后的使用指南

Spark Operator项目Helm仓库迁移至Kubeflow后的使用指南

2025-06-27 22:07:53作者:蔡丛锟

背景说明

GoogleCloudPlatform旗下的Spark on K8s Operator项目现已正式迁移至Kubeflow组织进行维护。这一架构调整带来了项目依赖管理方式的变化,特别是Helm chart仓库地址的变更。本文将为开发者详细说明迁移后的正确配置方式。

Helm仓库地址变更详情

原GoogleCloudPlatform维护的Helm仓库地址已停止更新,新版本的Spark Operator Helm chart现由Kubeflow组织托管。新旧地址对比如下:

  • 旧地址:googlecloudplatform.github.io/spark-on-k8s-operator
  • 新地址:kubeflow.github.io/spark-operator

配置方法

开发者需要执行以下命令更新本地Helm仓库配置:

helm repo remove spark-operator  # 移除旧仓库
helm repo add spark-operator https://kubeflow.github.io/spark-operator
helm repo update  # 更新本地仓库索引

版本兼容性说明

迁移后的chart版本保持连续性,但建议用户注意:

  1. 检查现有values.yaml配置的兼容性
  2. 生产环境建议先进行测试部署
  3. 关注Kubeflow组织下的CHANGELOG

最佳实践建议

  1. 在CI/CD流程中更新Helm仓库配置
  2. 使用固定版本号而非latest标签
  3. 考虑使用Helm dependency管理方式

常见问题处理

若遇到证书校验问题,可添加--insecure-skip-tls-verify参数临时解决,但生产环境建议配置正确的CA证书。

通过以上调整,开发者可以继续顺畅地使用Spark Operator在Kubernetes集群上管理Spark应用。建议定期关注项目文档获取最新动态。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
832
5.52 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
497
522
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.17 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
802
1.6 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
982
2.32 K
kernelkernel
deepin linux kernel
C
33
16
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.05 K
786
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
315
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.21 K
1.27 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
668
316