MLRun v1.8.0-rc35版本发布：增强消息通信与GPU资源管理

项目简介

MLRun是一个开源的机器学习运维(MLOps)框架，它简化了机器学习工作流程的构建、部署和管理过程。作为一个端到端的解决方案，MLRun提供了从数据准备到模型部署的全生命周期管理能力，特别适合需要大规模部署机器学习模型的企业和团队。

核心功能更新

同步服务间通信机制

本次版本在消息通信方面进行了重要改进，引入了同步的服务间通信机制。这一改进使得MLRun内部各个组件之间的交互更加可靠和高效，特别是在分布式环境下运行时。同步通信模式可以避免异步通信中可能出现的数据不一致问题，为关键业务流程提供了更强的保障。

线程级会话隔离

客户端层面实现了线程级会话隔离机制，确保每个线程拥有独立的会话上下文。这一改进对于多线程应用场景尤为重要，可以防止不同线程间的会话冲突，提高系统的稳定性和可靠性。开发者在编写多线程应用时不再需要担心会话状态被意外共享或污染。

无版本函数的标签计算优化

在函数管理方面，本次更新优化了无版本函数的标签计算逻辑。当函数未指定版本时，系统会采用更合理的标签生成策略，这使得函数管理更加灵活和高效。这一改进特别适合快速迭代的开发场景，开发者可以更自由地进行函数实验而无需担心版本管理带来的负担。

资源管理与调度增强

GPU资源限制传播

工作流调度方面有两个重要改进都聚焦于GPU资源管理。系统现在会明确将GPU限制传播为零值，确保KFP和Kaniko pod能够正确应用容忍度(toleration)。这一改进分两个阶段实施，确保了资源调度的准确性和可靠性，特别是在混合CPU/GPU工作负载的环境中。

异步HTTP超时重试

新增了异步HTTP请求的超时重试机制，提高了系统在网络不稳定情况下的健壮性。当遇到超时异常时，系统会自动进行重试，减少了因临时网络问题导致的操作失败。这一特性对于分布式环境中的服务调用尤为重要。

模型监控与告警改进

模型端点管理修复

修复了get_or_create_model_endpoint函数的逻辑问题，确保模型端点的获取和创建操作更加可靠。这一改进提升了模型监控系统的稳定性，特别是在频繁创建和查询模型端点的场景下。

告警配置清理API

新增了删除所有告警配置并清理缓存的API接口，为系统管理员提供了更便捷的告警管理工具。这一功能在需要批量清理或重置告警配置时特别有用，简化了运维操作。

Evidently版本支持升级

将支持的Evidently版本提升至0.6.x系列，为用户提供了更多最新的模型监控和数据分析功能。Evidently是一个流行的开源工具，用于分析和监控机器学习模型的性能。

其他改进

周期性函数上下文ID

为周期性函数添加了上下文ID，增强了函数的可追踪性。这一改进使得系统能够更好地管理和监控周期性执行的任务，便于问题排查和性能分析。

废弃参数清理

移除了SDK中未使用的废弃参数，简化了API接口，提高了代码的整洁性和维护性。这一清理工作有助于减少用户的混淆，使API更加直观易用。

总结

MLRun v1.8.0-rc35版本在消息通信、资源调度、模型监控等多个关键领域进行了重要改进和优化。这些增强功能使得MLRun作为一个MLOps平台更加成熟和可靠，能够更好地支持企业级机器学习应用的开发和运维需求。特别是对GPU资源管理的改进和同步通信机制的引入，为复杂环境下的机器学习工作流提供了更强的支持。