Краткое содержание

Исследуется будущая архитектура, при которой каждое ML-инструмент (Jupyter, VS Code, приложения для разметки) будет работать как отдельный контейнер и открываться непосредственно в браузере. Никаких десктопов или слоев VDI. Состояние будет сохраняться в смонтированных томах, а вычислительные ресурсы будут консолидированы, чтобы неиспользуемые нагрузки автоматически освобождали свою мощность. Рассматриваемые области: Как может развиваться поддержание чистоты данных? Стоит ли фиксировать цепочки инструментов в одном базовом образе и позволять командам расширять их? Какие стратегии помогут избежать увеличения объема слоев образа, сохраняя при этом CUDA и ML-библиотеки гибкими? Реалистично ли этот подход снизит локальные проблемы разработки и ускорит процесс адаптации новых инженеров? Какие соображения безопасности следует учитывать при предоставлении доступа к контейнеризированным GUI через HTTP/WebSocket или подобные браузерные мосты? Как бы вы обрабатывали обновления или пересоздание без нарушения сеансов пользователей или закешированных данных? Не пропагандируется ничто. Просто пытаюсь предвидеть лучшие практики и возможные сбои до дальнейших экспериментов. Отправлено пользователем/