本地K8s集群下Jupyter Hub装Kubeflow Kale搭配独立版KFP是否可行？

你的方案完全可行，无需完整部署 Kubeflow 全栈即可实现全部需求。Kale 本身仅依赖 Kubeflow Pipelines（KFP）的 API 接口，和 Kubeflow 其他功能组件无强制绑定关系，独立部署的 KFP 完全可以满足 Kale 的运行要求。

• 完成独立版 KFP 安装
  安装完成后确认集群内所有 KFP 相关服务 Pod 均处于 Running 状态，记录 KFP API 在集群内的访问地址（默认安装在 kubeflow 命名空间下的 API 地址为 http://ml-pipeline-ui.kubeflow.svc.cluster.local，可根据实际安装的命名空间调整）。
• 配置 Jupyter Notebook 访问权限
  给 Jupyter Hub 启动的 Notebook Pod 绑定对应 RBAC 权限，确保 Notebook 实例有权限访问 KFP 命名空间下的资源、有权限调用 KFP API 提交流水线任务。可通过创建 ServiceAccount 并绑定对应角色的方式实现，无需额外安装 Kubeflow 其他组件。
• 完成 Kale 与独立 KFP 对接
  打开已安装 Kale 插件的 Notebook，在 Kale 配置面板填写集群内部的 KFP API 地址、指定流水线运行的命名空间即可完成对接，无需依赖 Kubeflow 全栈其他服务。
• 功能验证
  在 Notebook 中编写 ML 代码，通过 Kale 侧边栏启用 Kale 功能，设置流水线参数后点击提交，即可直接将代码转换为 KFP 流水线并提交到独立部署的 KFP 中运行。

• 若提交流水线时出现权限报错，优先检查 Notebook 对应的 ServiceAccount 是否有 KFP 运行命名空间的 edit 权限
• 若 Kale 无法连接到 KFP API，优先检查两个服务所在的命名空间网络策略是否允许互相访问，以及填写的 KFP API 地址是否正确

内容的提问来源于stack exchange，提问作者Konstantinos Loizas