seldon-core
SeldonIO/seldon-core加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下：你花了三个月训练出一个效果惊艳的推荐模型，产品经理兴奋地说「下周上线」，然后你发现——本地跑得风生水起的模型，根本不知道该怎么塞进公司的 Kubernetes 生产集群。接口怎么暴露？A/B 测试怎么做？模型版本怎么管理？监控怎么接？这些在 Jupyter 里从来不用考虑的问题，突然全冒出来了。
Seldon Core 解决的就是这个「最后一公里」问题：把训练好的模型，变成生产级服务。
图1：Seldon Core 高层架构 — 模型通过 Seldon Deployment 声明式部署在 Kubernetes 之上
Seldon Core 的名字来源于科幻小说《基地》系列中的「哈里·谢顿」——一个能通过数学社会学预测未来的虚构数学家。创始人以此隐喻：ML 模型的价值，只有在能「预测」未来时才算真正兑现。
Seldon Core 起源于 2016 年左右，由 Alejandro (Alex) Hueso 等人发起，目标是成为 Kubernetes 上的「模型服务平台标准」。经过多年发展，目前已被全球超过 200 万次安装，在金融、医疗、电商等多个行业落地，是 MLOps 领域最具影响力的开源项目之一。
Seldon Core 的核心理念是：用 Kubernetes 原生的声明式配置来管理模型。开发者不需要写复杂的集群配置，只需要写一个 SeldonDeployment YAML 文件，声明「我要部署哪个模型、用什么镜像、暴露哪些接口」，Seldon Core 就会自动帮你搞定以下所有事情：
Seldon Core 底层基于 Kubernetes Operator 模式构建，核心技术栈包括：
SeldonDeployment CRD 的控制器逻辑
图2：Seldon Core GitHub 仓库展示图
2021 年底，Seldon Core V2 正式发布，从架构层面做了重大升级：
ModelGateway 组件提供更灵活的模型路由必须坦诚地说，Seldon Core 不是「下载即用」的工具。它的部署前提是：拥有一个可用的 Kubernetes 集群。对于没有 K8s 经验的用户来说，这个门槛不低。
部署步骤简述：
helm install seldon-core ...kubectl apply 提交部署官方文档质量很高，提供了 Notebook 示例和完整 API 参考。如果只是想体验，可以参考 samples/notebooks 中的 Jupyter Notebook 快速上手。
Seldon Core 也并非完美无缺：
在 MLOps 工具链中，Seldon Core 处于「模型服务」这一核心环节。它的价值在于：把模型从「实验品」变成「生产系统」——而这恰恰是大多数 ML 项目无法产生商业价值的根本原因。
从 GitHub 数据来看，Seldon Core 拥有超过 4700 颗星、864 个 Fork、84 位订阅者、393 个 open issues，说明社区活跃且持续维护。随着企业级 AI 应用增多，对这类生产级模型服务平台的需求只会越来越大。
Seldon Core 的存在本身也在推动行业标准化——它率先实践了「Kubernetes 原生」的 MLOps 理念，影响了后来 KubeFlow Seldon、Kserve 等项目的设计思路。