Docker跨架构部署实操第二弹

1. 项目内容

• 项目目录包含 Dockerfile 与 main.py，并且容器内路径固定为：
  • 数据：/root/autodl-tmp/data
  • 模型：/root/autodl-tmp/models
  • 保存：/root/autodl-tmp/save
• 服务端口：9011（容器内与宿主映射为 -p 9011:9011）。
• 文档示例以 Ubuntu（Linux）与 PowerShell（管理员）（Windows Server）为主，命令请根据实际路径与用户名替换。

2. Linux部署步骤

2.1 在 Ubuntu 上安装 Docker

# 1. 卸载旧版本（若存在）
sudo apt-get remove -y docker docker-engine docker.io containerd runc || true# 2. 更新系统并安装依赖
sudo apt-get update
sudo apt-get install -y ca-certificates curl gnupg lsb-release# 3. 添加 Docker 官方 GPG key
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmour -o /etc/apt/keyrings/docker.gpg# 4. 添加 Docker APT 源
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" \| sudo tee /etc/apt/sources.list.d/docker.list > /dev/nullsudo apt-get update# 5. 安装 Docker Engine
sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin# 6. 启动并检查
sudo systemctl enable --now docker
sudo systemctl status docker# 7. 可选：把当前用户加入 docker 组（避免 sudo）
sudo usermod -aG docker $USER
# 重新登录或运行：newgrp docker

注意：有些最小化镜像或云镜像没有 systemd，在这些环境 systemctl 可能不可用，需使用容器/发行版特定方法启动 dockerd。

2.2 配置 Docker 镜像加速

编辑 /etc/docker/daemon.json（如果文件不存在则创建）：

{"registry-mirrors": ["https://<your-mirror-host>"]
}

修改完成后：

sudo systemctl daemon-reload
sudo systemctl restart docker

2.3 构建镜像与运行容器

假设项目在 /home/you/project：

cd /home/you/project
docker build -t my-flask-model:latest .# 运行容器并挂载三个目录
docker run -d \--name my-flask-model \--restart unless-stopped \-p 9011:9011 \-v /home/you/project/data:/root/autodl-tmp/data \-v /home/you/project/models:/root/autl-dtmp/models \-v /home/you/project/save:/root/autodl-tmp/save \my-flask-model:latest

1. 构建镜像

docker build -t my-flask-model:latest .

• docker build：构建 Docker 镜像。
• -t my-flask-model:latest：给镜像命名为 my-flask-model，版本号 latest。
• .：构建上下文（当前目录），包含 Dockerfile 与项目代码。

2. 运行容器

docker run -d [参数...] my-flask-model:latest

(1) 基础参数

• -d：后台运行（detached mode）。
• --name my-flask-model：容器名称，便于管理。
• --restart unless-stopped：自动重启策略。
  • always → 总是重启。
  • unless-stopped → 仅在手动 stop 后不再重启。
  • no → 默认，不重启。

(2) 端口映射

-p 9011:9011

• 格式：宿主机端口:容器端口。
• 把宿主机 9011 端口映射到容器 9011 端口，用于访问 Flask 服务。

(3) 目录挂载

-v 宿主机目录:容器目录

• 数据目录：
  -v /home/you/project/data:/root/autodl-tmp/data
  宿主机数据集共享给容器。
• 模型目录：
  -v /home/you/project/models:/root/autodl-tmp/models
  存储训练好的模型文件，保证持久化。
• 保存目录：
  -v /home/you/project/save:/root/autodl-tmp/save
  存储上传文件或中间结果。

快速测试接口（本机）：

curl -v -F "file=@./CustomModel.py" http://localhost:9011/train

2.4 常用管理与排查命令

# 查看容器
docker ps -a
# 日志
docker logs -f my-flask-model
# 进入容器
docker exec -it my-flask-model /bin/bash
# 停止/启动/重启
docker stop my-flask-model
docker start my-flask-model
docker restart my-flask-model
# 删除
docker rm -f my-flask-model
docker rmi my-flask-model:latest

2.5 运行部署脚本

#!/usr/bin/env bash
set -e# 简易安装脚本（Ubuntu）
# 用法: sudo ./install_docker_ubuntu.shsudo apt-get update
sudo apt-get install -y ca-certificates curl gnupg lsb-releasesudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmour -o /etc/apt/keyrings/docker.gpgecho "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" \| sudo tee /etc/apt/sources.list.d/docker.list > /dev/nullsudo apt-get update
sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
sudo systemctl enable --now docker# 给出提示
echo "Docker 安装完成。运行 'docker run --rm hello-world' 测试。"

3. Windows Server 2022部署

重要说明（先读）：

• Windows Server 2022 可启用 WSL2，并支持离线安装。
• 推荐方案：在 Server 上离线安装 WSL2 与 Docker Desktop，通过 Docker Desktop 提供的 Linux 环境直接运行 Linux 容器。
• Docker Desktop 已包含轻量 Linux VM（基于 WSL2），因此无需在 WSL 内额外安装 Docker Engine。

3.1 总体流程

1. 在 Windows Server 2022 上启用 Microsoft-Windows-Subsystem-Linux 与 VirtualMachinePlatform 功能。
2. 从 GitHub 下载 WSL2 离线安装包（WSL 官方发布页），完成 WSL2 安装。
3. 离线安装 Docker Desktop（可在联网机器下载 .exe 安装包，拷贝到 Server 执行）。
4. 启动 Docker Desktop（其内部会自动启动 Linux 容器环境）。
5. 在 Docker Desktop 的环境中，构建镜像并运行容器。

3.2 启用 WSL2 功能

# PowerShell(Admin)
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart# 可选：启用 Hyper-V（某些功能需要）
# dism.exe /online /enable-feature /featurename:Microsoft-Hyper-V-All /all /norestartRestart-Computer -Force

3.3 安装 WSL2 离线包

• 到 WSL Releases 下载 .msixbundle 或 .msi 离线包。
• 拷贝到 Server 并运行安装。
• 安装完成后，WSL2 就可用（Docker Desktop 会自动用它作为后端）。
  ![[7bbf3292-6019-422e-b14c-3a8578b968d8.png]]

3.4 安装 Docker Desktop（离线）

1. 到 Docker Desktop 官方下载页 获取安装包（Windows .exe）。
2. 在联网机器下载后，直接安装运行 ```
3. 安装完成后，在 Docker Desktop 设置里确认：
   • General → Use the WSL 2 based engine 已勾选。
   • 确保分配给 Docker 的 CPU/内存资源合理。

3.5 构建与运行项目容器

在 PowerShell (Windows) 下：

cd C:\project
docker build -t my-flask-model:latest .docker run -d `--name my-flask-model `--restart unless-stopped `-p 9011:9011 `-v C:\project\data:/root/autodl-tmp/data `-v C:\project\models:/root/autodl-tmp/models `-v C:\project\save:/root/autodl-tmp/save `my-flask-model:latest

• docker build 和 docker run 实际运行在 Docker Desktop 提供的 Linux 容器环境中。
• 通过 -v 参数挂载 Windows 文件夹到容器内路径，实现数据与模型的持久化。
• 服务可在宿主机 http://localhost:9011 或服务器 IP 上访问。

3.6 说明

• 不需要在 WSL 内单独安装 Docker Engine，因为 Docker Desktop 已提供完整的 Linux 容器运行环境。
• 如果只运行 Linux 容器（你的 Flask 项目就是），推荐全程使用 Docker Desktop。
• 如果未来需要运行 Windows 容器，则可考虑安装 Docker Engine for Windows 并启用 Windows 容器模式。

4.虚拟机下windows部署

如果 Windows Server 2022 是安装在虚拟机中的，需要开启 二次虚拟化（Nested Virtualization） 才能运行 WSL2 和 Docker Desktop。

1. VMware 设置

1. 关闭虚拟机

2. 打开 VMware → 选中虚拟机 → 编辑虚拟机设置

3. 进入 处理器（CPU） 设置

4. 勾选：

   • ✅ 虚拟化 Intel VT-x/EPT 或 AMD-V/RVI
   • ✅ 将虚拟化应用到客户机操作系统

5. 保存并重启虚拟机 → 进入 Windows Server → 安装 WSL2 & Docker。

2. Hyper-V 设置（可选）

如果是 Hyper-V，需要确保宿主机开启：
Get-WindowsOptionalFeature -Online -FeatureName Microsoft-Hyper-V-All

5. 项目特定注意事项

1. 文件保存路径与挂载：你的 main.py 将文件保存到 /root/autodl-tmp/models 与 /root/autodl-tmp/save 等路径。确保宿主机对应目录存在且容器用户有写权限（如果在容器内使用 root，通常无问题；若你改变容器运行用户，需注意权限）。
2. 依赖版本兼容性：skl2onnx.convert_sklearn 对 scikit-learn 版本有兼容性要求；如果在容器内遇到转换错误，请考虑固定（pin）scikit-learn 与 skl2onnx 版本。
3. 持久化与备份：模型与保存目录应做宿主机持久化（你已通过 -v 挂载）。建议在生产环境中定期备份 /root/autodl-tmp/models。
4. 构建缓存：Docker 构建时可利用缓存加速，CI/CD 环境中建议合理拆分 Dockerfile，将变化少的依赖放在前面。
5. 日志与监控：容器内 print() 会输出到主机日志（docker logs）。建议在生产中把日志采集到集中化系统（如 ELK、Prometheus + Grafana）。

6. 常见问题与解决建议

• 容器启动但端口无法访问：

  • 检查 docker ps 的端口映射是否正确；
  • 检查宿主防火墙（Linux iptables / firewalld；Windows 防火墙）是否放行 9011；
  • 容器内 Flask 是否成功监听 0.0.0.0:9011（而不是 127.0.0.1）。

• 文件挂载后容器内看不到文件：

  • 确保主机路径存在并且有正确权限；
  • 在 Windows 上，建议在 WSL 内运行 Docker 构建/运行以避免路径与权限问题。

• docker build 卡在 pip install：

  • 网络问题或 PyPI 源慢；Dockerfile 中已使用国内镜像（如果你在国内），也可以在 pip install 增加 --timeout 或使用预下载的 wheel 包。

• WSL 离线导入时报错：

  • 确认已安装并正确运行 wsl_update_x64.msi，并重启 Windows；
  • 检查 wsl --status 输出以确认默认版本与已导入发行版版本。

7. 生产环境可选增强

• 使用反向代理（Nginx/Traefik）做 TLS 终端与请求转发；
• 将服务容器化编排到 Kubernetes / Docker Swarm 实现高可用与弹性伸缩；
• 用 CI/CD（GitHub Actions、GitLab CI、Jenkins）自动构建/推送镜像并在目标机上自动部署；
• 对敏感数据（如模型权重、密钥）使用机密管理（Vault、Kubernetes Secrets 等）。