我正在阅读Kubeflow文档两天，任何人都可以帮助我回答以下问题。
Kubeflow是否有助于以分布式方式运行任何ML算法？
Kubeflow和Spark ML有什么区别？
最佳答案
Kubflow是一组利用Kubernetes分布来执行与ML相关的工作负载的服务。 TFJob是Kubeflow提供的Kubernetes资源，用于运行分布式Tensorflow作业。
Kubeflow包括其他服务，例如Kubeflow Pipelines，它们可以编排任何类型的工作流程，并且主要针对ML工作负载而设计。
Spark ML是一个利用Apache Spark运行分布式ML算法（通常是经典ml算法）的软件库。 Apache Spark是一个分布式计算平台，可以部署在Kubernetes或Hadoop集群中（或本地），并且不运行分布式深度学习（tensorflow），或者至少没有专门设计的平台。
关于machine-learning - Kubeflow是否有助于以分布式方式运行ML，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59345476/