KServe v0.15.1版本发布:模型服务与推理能力全面升级
2025-06-13 16:44:23作者:鲍丁臣Ursa
项目简介
KServe是一个开源的Kubernetes原生模型服务框架,专为生产环境中的机器学习模型部署和管理而设计。作为Kubeflow生态系统的重要组成部分,KServe提供了标准化的接口来部署、扩展和管理机器学习模型,支持多种流行的机器学习框架和运行时环境。
核心功能增强
1. 模型缓存机制优化
本次版本对模型缓存功能进行了重要改进,主要体现在以下方面:
- 持久化卷管理优化:当InferenceService被删除时,不再自动移除关联的PVC(持久卷声明)和PV(持久卷),这一改变显著提升了模型缓存的重用性,避免了重复下载大型模型带来的资源浪费。
- 缓存匹配逻辑增强:修复了InferenceService可能匹配错误ModelCache的问题,确保缓存资源能够被正确识别和利用。
- 注解清理机制:当没有匹配的缓存资源时,系统会自动清理内部注解,保持资源描述的准确性。
这些改进使得模型缓存功能更加稳定可靠,特别适合需要频繁加载大型模型的生产场景。
2. vLLM运行时深度整合
vLLM作为高效的大型语言模型推理引擎,在本版本中获得多项重要升级:
- 新增对Llama4和Qwen3等最新大语言模型架构的支持,扩展了模型兼容性范围。
- 引入rerank功能支持,增强了语言模型的排序和重排能力。
- 改进了vLLM V1版本的稳定性,优化了后台引擎任务的初始化流程。
- 实现了与LM Cache的深度集成,通过缓存机制进一步提升推理性能。
3. 自动伸缩能力增强
在自动伸缩方面,本版本带来多项改进:
- 修复了KEDA ScaledObject目标值设置问题,确保自动伸缩配置能够正确应用。
- 优化了Knative自动伸缩器的配置处理逻辑,提升了伸缩行为的可靠性。
- 改进了外部HPA(Horizontal Pod Autoscaler)的处理逻辑,避免不必要的协调操作。
重要功能更新
1. 模型管理新特性
- 模型暂停/恢复功能:新增通过注解控制模型运行状态的能力,用户可以通过简单配置暂停模型服务以节省资源,需要时再快速恢复。
- 多节点Ray集群支持:改进了Ray节点数量和GPU资源的计算逻辑,更好地支持分布式推理场景。
- LoRA模型注册:修复了LoRA模型在模型注册表中可能找不到的问题,确保这类轻量级适配器模型能够被正确管理。
2. 推理服务增强
- 部署模式状态管理:在InferenceService和InferenceGraph状态中新增DeploymentMode字段,并防止部署模式被意外修改。
- 推理图条件处理:修复了InferenceGraph中条件步骤未满足时的响应代码问题,使流程控制更加精确。
- 元数据注入:支持在代理sidecar级别注入推理服务元数据,便于实现更精细的负载日志记录。
3. 运行时环境升级
- HuggingFace Transformer升级:将HuggingFace Transformer运行时升级至4.51.0版本,并添加了bitsandbytes包以支持4位量化。
- NumPy 2.x兼容:确保代码库与最新的NumPy 2.x版本完全兼容。
- OpenVINO弃用:在HuggingFace运行时中正式弃用OpenVINO支持,简化维护工作。
开发者体验改进
1. 代码质量提升
- 修复了flake8 linter报告的错误,提高了代码规范性。
- 增加了类型规范,特别是nthread参数的明确类型声明。
- 显著提升了测试覆盖率,增强了代码可靠性。
2. 构建与发布流程优化
- 升级Go语言版本至1.24,保持开发环境现代化。
- 引入第三方许可证检查机制,确保合规性。
- 启用SBOM(软件物料清单)生成功能,提高软件供应链透明度。
- 重新启用ARM64架构的Docker工作流,扩展部署选项。
总结
KServe v0.15.1版本在模型服务能力、运行时支持、自动伸缩机制等方面都带来了显著改进。特别是对vLLM运行时的深度整合和模型缓存机制的优化,使得处理大型语言模型更加高效可靠。这些增强功能进一步巩固了KServe作为生产级模型服务框架的地位,为机器学习工程师提供了更强大、更稳定的部署平台。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8