Migre do Kubeflow Pipelines para o Vertex AI Pipelines
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Para os desenvolvedores com experiência na criação de pipelines do Kubeflow, é
importante entender as seguintes maneiras de os pipelines do Vertex AI são
diferentes dos pipelines do Kubeflow.
Transmissão de dados (entradas/saídas)
A transmissão de dados por entradas e saídas é diferente do SDK do Kubeflow Pipelines v1 para o SDK do Kubeflow Pipelines v2. O SDK do Kubeflow Pipelines v2 tem a separação de parâmetros e artefatos, e eles não podem ser transmitidos uns para os outros.
Para informações mais detalhadas, consulte
Princípios básicos do Kubeflow Pipelines e Tipos de dados do Kubeflow Pipelines.
Uso da versão em um idioma específico de domínio (DSL)
O Vertex AI Pipelines pode executar pipelines criados usando
o TFX v0.30.0 ou superior ou a linguagem específica de domínio (DSL, na sigla em inglês)
do SDK do Kubeflow Pipelines v2.
O DSL do SDK do Kubeflow Pipelines v2 está disponível no SDK do Kubeflow Pipelines v1.6 ou posterior.
O Kubeflow Pipelines pode executar pipelines que foram criados usando o SDK do Kubeflow Pipelines. O Kubeflow Pipelines v1.6 ou posterior também executa pipelines criados com a DSL do SDK do Kubeflow Pipelines v2.
Armazenamento
O Kubeflow Pipelines e o Vertex AI Pipelines processam o armazenamento de maneira diferente. No Kubeflow Pipelines, você pode usar os recursos do Kubernetes, como declarações de volume permanente. No Vertex AI Pipelines, seus dados são armazenados no Cloud Storage e ativados em componentes
usando o Cloud Storage FUSE.
Em Pipelines do Vertex AI, é possível usar serviços do Google Cloud para disponibilizar recursos. Por exemplo, é possível usar o Cloud Storage FUSE para acessar um bucket do Cloud Storage como um volume ativado em uma etapa do pipeline. Se o URI do Cloud Storage for
gs://example-bucket/example-pipeline, o contêiner do componente do pipeline poderá usar o Cloud Storage FUSE para acessar esse URI como o
seguinte caminho: /gcs/example-bucket/example-pipeline.
Quando você executa um pipeline usando o Vertex AI Pipelines, a raiz do pipeline
precisa ter sido especificada na anotação @pipeline ou quando você criou
a execução do pipeline.
No Kubeflow Pipelines, a especificação da raiz do pipeline é opcional. Os artefatos de uma execução de pipeline são armazenados usando o MinIO por padrão.
Recursos incompatíveis com o Vertex AI Pipelines
Os recursos do Kubeflow Pipelines a seguir não são compatíveis com o
Vertex AI Pipelines.
Cache Expiration: no Kubeflow Pipelines, é possível especificar que as execuções de componentes em cache expirem após um período especificado usando a DSL do SDK do Kubeflow Pipelines v1.
Não é possível especificar que as execuções de componentes expiram após um período especificado usando o DSL do SDK do Kubeflow Pipelines v2.
No Vertex AI Pipelines, ao executar um pipeline usando
create_run_from_job_spec, é possível usar o argumento enable_caching para especificar
que essa execução de pipeline não usa o armazenamento em cache.
Recorrência: no Kubeflow Pipelines, é possível especificar os componentes do pipeline que são chamados recursivamente.
O Vertex AI Pipelines não é compatível com componentes
de pipeline chamados recursivamente.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-19 UTC."],[],[],null,["# Migrate from Kubeflow Pipelines to Vertex AI Pipelines\n\nFor developers with experience building Kubeflow pipelines it is\nimportant to understand the following ways that Vertex AI Pipelines is\ndifferent from Kubeflow Pipelines.\n\n### Data passing (inputs/outputs)\n\n- Data passing using inputs and outputs differs from Kubeflow Pipelines SDK v1 to Kubeflow Pipelines SDK v2. Kubeflow Pipelines SDK v2 has the separation of parameters and artifacts, and they can't be passed into one another. For more detailed information, see [Kubeflow Pipelines Pipelines Basics](https://www.kubeflow.org/docs/components/pipelines/v2/pipelines/pipeline-basics/) and [Kubeflow Pipelines Data Types](https://www.kubeflow.org/docs/components/pipelines/v2/data-types/).\n\n### Domain-specific language (DSL) version usage\n\n- Vertex AI Pipelines can run pipelines that were built using\n TFX v0.30.0 or later, *or* the Kubeflow Pipelines SDK v2\n domain-specific language (DSL).\n\n The Kubeflow Pipelines SDK v2 DSL is available in Kubeflow Pipelines SDK v1.6 or\n later.\n\n Kubeflow Pipelines can run pipelines that were built using the\n Kubeflow Pipelines SDK. Kubeflow Pipelines v1.6 or later can also run pipelines\n built using the Kubeflow Pipelines SDK v2 DSL.\n\n### Storage\n\n- Kubeflow Pipelines and Vertex AI Pipelines handle\n storage differently. In Kubeflow Pipelines you can make use of Kubernetes\n resources such as persistent volume claims. In Vertex AI Pipelines\n your data is stored on Cloud Storage, and mounted into your components\n using [Cloud Storage FUSE](/storage/docs/gcs-fuse).\n\n In Vertex AI Pipelines, you can use Google Cloud services to make\n resources available --- for example, you can use Cloud Storage FUSE\n to access a Cloud Storage bucket as a mounted volume in a pipeline\n step. If your Cloud Storage URI is\n `gs://example-bucket/example-pipeline`, then your pipeline component's\n container can use Cloud Storage FUSE to access that URI as the\n following path: `/gcs/example-bucket/example-pipeline`.\n | **Important:** It's best practice that you avoid hardcoding the paths to external resources into your pipeline. Instead, pass the paths to external resources into your pipeline as a parameter. This makes it easier for you to run your pipeline in different environments, and to change the location of the resources used in a pipeline run.\n- When you run a pipeline using Vertex AI Pipelines, the pipeline root\n must have been specified in the `@pipeline` annotation or when you created\n the pipeline run.\n\n In Kubeflow Pipelines, specifying the pipeline root is optional. The\n artifacts of a pipeline run are stored using [MinIO](https://min.io/) by default.\n\n### Features not supported in Vertex AI Pipelines\n\n- The following Kubeflow Pipelines features are not supported in\n Vertex AI Pipelines.\n\n - **Cache Expiration**: In Kubeflow Pipelines, you can specify that\n cached component executions\n expire after a specified amount of time using the Kubeflow Pipelines SDK v1\n DSL.\n\n You can't specify that component executions expire after a\n specified amount of time using the Kubeflow Pipelines SDK v2 DSL.\n\n In Vertex AI Pipelines, when you run a pipeline using\n `create_run_from_job_spec` you can use the `enable_caching` argument to\n specify that this pipeline run does not use caching.\n - **Recursion**: In Kubeflow Pipelines, you can specify pipeline\n components that are\n called recursively.\n\n Vertex AI Pipelines doesn't support pipeline\n components that are called recursively."]]
