Los equipos de plataformas que ejecutan IA en Kubernetes rara vez ejecutan una sola cosa. Ejecutan un sistema de colas, un tiempo de ejecución distribuido, comprobaciones de estado del nodo de GPU, paneles y una capa de scripts de envío que lo mantienen todo junto. El equipo de ingeniería de Azure Kubernetes Service abrió TauGrid, que colapsa ese trabajo de ensamblaje en una única instalación de Helm.
¿Es desplegable? Sí, TauGrid tiene licencia del MIT, con imágenes de contenedores y gráficos Helm publicados como artefactos OCI públicos en Microsoft Container Registry. Los requisitos previos son un clúster de Kubernetes 1.30+ con nodos GPU, kubectl y Helm 3.0 o posterior.
¿Qué es TauGrid?
TauGrid es una plataforma autohospedada para ejecutar cargas de trabajo de IA en Kubernetes. Combina cinco cosas que los equipos de plataforma suelen integrar a mano: tau CLI, admisión y cola de cargas de trabajo a través de Kueue, orquestación de clústeres de Ray a través de KubeRay, monitoreo del estado de la GPU a nivel de nodo y observabilidad de cargas de trabajo y clústeres.
La división de responsabilidades es el punto de diseño. Los equipos de plataforma poseen espacios de trabajo, colas, perfiles informáticos, almacenamiento, identidad y observabilidad. Los investigadores trabajan desde un repositorio y la CLI, y envían cargas de trabajo sin configurar Kubernetes directamente. El código base está escrito principalmente en Go.
Cómo se mueve un trabajo a través de él
Una carga de trabajo se describe en un archivo tau.yaml. El ejemplo de entrenamiento de GPU publicado por Microsoft ejecuta un trabajo de PyTorch en un único A100:
Durante la ejecución de tau, TauGrid resuelve la política de la plataforma, genera un trabajo de Kubernetes o un trabajo de KubeRay RayJob y lo envía a través de Kueue. Las seis etapas de los documentos de Microsoft son envío, puesta en cola, ejecución, monitoreo, recuperación y evidencia. La recuperación cubre el reintento, la reanudación desde el punto de control y el diagnóstico de fallas. Los registros de evidencia capturan metadatos, configuración, registros, métricas, puntos de control e historial de ejecución de la carga de trabajo, que es lo que hace que una ejecución sea reproducible y auditable más adelante.
Cuando varios equipos comparten un clúster, sus trabajos aterrizan en un Kueue ClusterQueue compartido. Kueue admite cada uno según cuota y prioridad, y Kubernetes lo coloca en GPU en buen estado.
Explicador interactivo
La instalación es un diagrama de Helm extraído directamente de MCR:
Las imágenes propias se envían en mcr.microsoft.com/aks/ai-runtime/ para Tau, TauGrid Portal y el controlador central tau. Microsoft recomienda fijar etiquetas versionadas o resúmenes inmutables en lugar de las más recientes. La CLI se instala desde las versiones de GitHub en Linux y macOS, con un instalador de PowerShell para Windows amd64; el instalador verifica la suma de verificación de la versión y no modifica la RUTA.
Dos detalles operativos son importantes para cualquiera que evalúe esto fuera de Azure. En primer lugar, TauGrid no envía telemetría a Microsoft de forma predeterminada y la exportación remota permanece desactivada a menos que un operador configure un destino. En segundo lugar, algunas integraciones siguen siendo específicas de Azure, en particular la observabilidad a través de Azure Data Explorer. La intención declarada es admitir Kubernetes en la nube y local sin una dependencia de Azure, y las contribuciones para ello están abiertas.
Conclusiones clave
TauGrid de código abierto de Microsoft el 28 de agosto de 2026, bajo la licencia MIT en Azure/taugrid. La instalación de One Helm incluye tau CLI, colas de Kueue, orquestación de KubeRay, monitoreo del estado de la GPU y observabilidad. Implementable ahora en cualquier clúster de Kubernetes 1.30+ con nodos GPU, kubectl y Helm 3.0+. Los registros de evidencia capturan configuraciones, registros, métricas y puntos de control, por lo que las ejecuciones siguen siendo reproducibles y auditables. No hay telemetría de forma predeterminada, pero la observabilidad de Azure Data Explorer sigue siendo específica de Azure por ahora.
Consulte el blog de ingeniería de AKS y Azure/taugrid en GitHub. Todo el crédito es para el investigador de este proyecto. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 150.000 ml y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.
¿Necesita asociarse con nosotros para promocionar su repositorio de GitHub O su página principal de Hugging O su lanzamiento de producto O seminario web, etc.? Conéctate con nosotros
Asif Razzaq es el director ejecutivo de Marktechpost AI Media Inc.. Como emprendedor e ingeniero visionario, Asif está comprometido a aprovechar el potencial de la inteligencia artificial para el bien social. Su esfuerzo más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, Marktechpost, que se destaca por su cobertura en profundidad del aprendizaje automático y las noticias sobre aprendizaje profundo que es técnicamente sólida y fácilmente comprensible para una amplia audiencia. La plataforma cuenta con más de 2 millones de visitas mensuales, lo que ilustra su popularidad entre el público.