Yatai

在 Kubernetes 上轻松规模化部署和运维机器学习模型

Yatai 是一个基于 Kubernetes 的模型部署平台，旨在帮助机器学习团队将训练好的模型规模化地部署到生产环境。它解决了模型从实验到上线过程中面临的部署复杂、资源管理困难、版本迭代频繁等问题。核心能力包括：提供统一的模型部署接口，支持多种推理框架（如 TensorFlow、PyTorch、ONNX 等），自动管理 Kubernetes 资源（如自动扩缩容、负载均衡），内置模型版本管理和灰度发布，以及提供监控和日志收集功能。通过 Yatai，数据科学家和运维人员可以更高效地协作，将模型快速、稳定地对外提供服务。

开源 unknown 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 839

维护状态低维护

是否开源是

定价模式 unknown

项目数据

分类基础设施

开发团队bentoml

所属国家

官网地址https://bentoml.com

GitHubhttps://github.com/bentoml/Yatai

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议NOASSERTION

主要语言TypeScript

技术栈/模型bentoml,k8s,kubernetes,machine-learning,mlops,model-deployment,model-serving

GitHub 星标★ 839

30天Star增速

HF 下载量

上线时间2021-07-30 00:00:00

最近更新2026-09-05 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

深度集成 Kubernetes，原生支持自动扩缩容、滚动更新，运维省心
支持多框架模型（TensorFlow/PyTorch/ONNX），统一部署入口，降低学习成本
内置模型版本管理与灰度发布，便于安全迭代和回滚

不足之处

项目早期，文档和社区生态尚不完善，上手可能需要自己摸索
功能相比成熟平台（如 Seldon Core）可能不够全面，高级特性待补充

适用场景

企业内部需要将多个模型统一部署到 Kubernetes 集群
模型迭代频繁，需要灰度发布和快速回滚的场景
希望利用 Kubernetes 弹性能力应对推理流量波动的场景

替代项目

Seldon Core、KServe、BentoML

项目介绍

Yatai 是基础设施领域的开源项目，由 bentoml 开发，2021 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（839）位列前 30%，在基础设施分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-05。

它主要面向的使用场景是：企业内部需要将多个模型统一部署到Kubernetes集群。同类可对比的替代方案包括 Seldon Core、KServe、BentoML。

上一篇：mlops-v2

下一篇：haupt