mlrun 部署及测试可用性

1. 给k8s 集群中容器运行时配置代理
   
   然后重启docker
2. 部署mlrun
   kubectl create namespace mlrun
   helm repo add mlrun https://mlrun.github.io/ce
   export http_proxy=xxx.xx.x.x
   export https_proxy=xxx.xx.x.x
   helm repo update
   helm pull mlrun-ce/mlrun-ce
   自己搭建的私有仓库无法在mlrun 中使用(只能使用公有docker仓库)，需要手动修改配置文件
   run-ce/charts/nuclio/values.yaml
   
   helm --namespace mlrun install mlrun-ce --wait --timeout 960s --set global.registry.url= ./mlrun-ce
   registry-url: 私有仓库地址
3. demo 使用
   !pip install -U typing-extensions --proxy=http://x.x.x.x:10800/

########## For TF.Keras: ##########
#!pip uninstall tensorflow -y
#!pip install -U tensorflow==2.7.0

########## For PyTorch: ##########
!pip install -U torch1.10 --proxy=http://x.x.x.x:10800/
!pip install -U torchvision0.11.1 --proxy=http://x.x.x.x:10800/

pip 使用 中需添加 代理不然会失败

Import the function:

import os
os.environ[‘HTTP_PROXY’]=“http://x.x.x.x:10800”
os.environ[‘HTTPS_PROXY’]=“http://x.x.x.x:10800”
open_archive_function = mlrun.import_function(“hub://open_archive”)
del(os.environ[‘HTTP_PROXY’])
del(os.environ[‘HTTPS_PROXY’])

Print the function’s documentation:

open_archive_function.doc()
python 代码执行中也不要添加代理
dataset_path = get_dataset_path()
open_archive_function.set_env(name=“HTTP_PROXY”, value=“http://x.x.x.x:10800”)
open_archive_function.set_env(name=“HTTPS_PROXY”, value=“http://x.x.x.x:10800”)
open_archive_function.set_env(name=“NO_PROXY”, value=“mlrun-api”)
部署的k8s 资源也需增加代理配置