Container Compute Service:Batch task orchestration

Kullanım Senaryoları

Argo Workflows; toplu veri işleme, makine öğrenimi işlem hatları, altyapı otomasyonu ve CI/CD gibi senaryoları destekler. Otonom sürüş, bilimsel hesaplama, nicel finans ve dijital medya gibi sektörlerde yaygın olarak kullanılır.

• Toplu veri işleme: Büyük ölçekli yüksek hassasiyetli harita işleme, nicel finans geriye dönük test ve simülasyon, paralel ses ve video işleme ile animasyon render alma gibi yaygın senaryoları içerir.

• Bilimsel hesaplama: Karmaşık bilimsel hesaplama simülasyonları, ilaç keşfi ve eğitimi, gen dizileme, mutasyon karşılaştırma ve tespiti ile enerji arama faaliyetleri gibi yaygın senaryoları kapsar.

• Simülasyon: Otonom sürüş algoritması simülasyonu, moleküler dinamik simülasyonu, astronomik veri simülasyonu ve finansal modelleme gibi yaygın kullanım alanlarını içerir.

• Makine öğrenimi işlem hattı: Makine öğrenimi verisi ön işleme, dağıtılmış eğitim, Büyük Dil Modeli (LLM) parametre ayarlama ve model değerlendirme ile dağıtımı gibi yaygın senaryoları destekler.

• Altyapı otomasyonu: Otomatik sunucu kaynak yönetimi, kaynak yedekleme ve kurtarma, düğüm havuzu geçişi ile küme geçişi ve yükseltmeleri gibi yaygın senaryoları içerir.

• CI/CD: Paralel CI işlem hatları, çok aşamalı derleme ve test, bulutlar arası uygulama dağıtımı ve onay akışı entegrasyonu gibi yaygın kullanım durumlarını destekler.

Argo Workflows'un Avantajları

• Bulut tabanlı: Özellikle Kubernetes için tasarlanmıştır. Her görev bir pod olarak çalışır ve konteynerlerin hafif ve esnek yapısından tam anlamıyla yararlanır.

• Hafif ve ölçeklenebilir: Argo Workflows hafiftir ve geleneksel sanal makinelerle (VM) karşılaştırıldığında ek bir yük veya sınırlama getirmez. Kubernetes'in zamanlama yeteneklerini kullanarak binlerce görevi paralel çalıştırabilir ve işleme verimliliğini artırabilirsiniz.

• Esnek orkestrasyon: Yönlendirilmiş Döngüsüz Çizgeler (DAG) ve adımların esnek kombinasyonu, herhangi bir karmaşıklıktaki özel iş akışı mantığını destekler. Güçlü yeniden deneme ve önbelleğe alma mekanizmaları, iş akışı yürütmesinin başarı oranını artırır.

• Zengin ekosistem: Spark, Ray ve TensorFlow Job gibi çeşitli görev türlerinin orkestrasyonunu destekler. Olay odaklı özelliklerle birleştirildiğinde, tamamen otomatik bir görev işleme platformu oluşturabilirsiniz.