seldon-core

K8s 上大规模部署、监控和管理生产级 ML 模型

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署基础设施 🍴 复刻 858 🐛 待处理 395 👀 关注 84

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4785

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源框架，本地部署，完全免费。

项目预览

seldon-core 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类基础设施

开发团队SeldonIO

官网地址https://www.seldon.io/solutions/core

GitHubhttps://github.com/SeldonIO/seldon-core

定价模式🏷️完全免费

价格说明开源框架，本地部署，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Go

技术栈/模型aiops,deployment,kubernetes,machine-learning,machine-learning-operations,mlops,production-machine-learning,serving

GitHub 星标★ 4785

上线时间2017-12-20 00:00:00

代码更新2026-03-23

仓库体积246.0 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

Seldon Core 是一个用于打包、部署、监控和管理生产环境中机器学习模型的开源 MLOps 框架。它解决了将训练好的模型（如 TensorFlow、PyTorch、Scikit-learn 等）快速、可扩展地部署为微服务的问题，并提供了完整的生命周期管理。核心能力包括：支持多种模型格式和自定义推理服务器，提供 A/B 测试、金丝雀发布、多臂老虎机等高级部署策略，内置监控和可观测性（如 Prometheus 指标、日志），并支持与 Kubernetes 生态（如 Istio、Knative）深度集成，实现自动扩缩容和流量管理。通过 Seldon Core，数据科学家和平台工程师可以统一管理大规模模型服务，降低运维复杂度，提升模型上线效率和稳定性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4785

技术标签

aiops deployment kubernetes machine-learning mlops

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 30 分钟部署方式：云服务 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

一个可用的 Kubernetes 集群（README 明确 Seldon Core 2 运行在 Kubernetes 中）
可访问互联网，用于拉取镜像与查看官方文档
具备 kubectl 等 Kubernetes 基本运维能力（README 未列出具体版本要求）

安装与启动步骤

1阅读官方安装文档

README 把安装说明全部放在官方文档里，先打开 Installation 页面确认当前版本要求的 Kubernetes 版本和安装方式。
2准备 Kubernetes 集群

按文档准备一个可用的 K8s 集群（自建或任意云厂商均可，README 提到支持本地部署或任意云）。
3获取项目源码

克隆仓库以便查看示例与清单文件；README 本身未给出安装命令，安装仍需以官方文档为准。
```
git clone https://github.com/SeldonIO/seldon-core.git
```
4按文档安装 Core 2

严格按 Installation 文档给出的步骤在集群中安装 Seldon Core 2 组件，不要自行猜测命名空间或参数。
5部署模型与推理服务器

安装完成后参考 Servers、Models 章节，选择对应模型格式的推理服务器部署你的第一个模型。