使用Docker快速部署Apollo配置中心指南
前言
Apollo是一款开源的分布式配置中心,能够集中化管理应用在不同环境、不同集群的配置。本文将详细介绍如何使用Docker容器技术快速部署Apollo配置中心,适合想要快速体验Apollo功能的开发者。
适用场景说明
本文介绍的Docker快速部署方式主要适用于以下场景:
- 开发者本地快速搭建Apollo环境进行体验
- 快速了解Apollo的基本功能和使用方式
- 测试环境快速部署验证
需要注意的是,生产环境部署请参考官方分布式部署指南,以获得更好的性能和可靠性保障。
环境准备
Docker环境安装
在开始之前,请确保您的系统已经安装了Docker引擎。可以通过以下命令验证Docker是否安装成功:
docker -v
如果尚未安装,请根据您的操作系统参考Docker官方文档进行安装。对于国内用户,建议配置Docker镜像源以提升镜像下载速度。
系统架构注意事项
- 对于x86架构的机器,使用标准配置文件
- 对于ARM架构的机器(如Mac M1/M2),需要使用专门的ARM64配置文件
部署步骤
1. 获取部署文件
首先需要获取Apollo的Docker部署配置文件,主要包括:
- docker-compose.yml(标准x86架构)
- docker-compose-arm64.yml(ARM64架构)
- SQL初始化脚本目录
建议创建一个专门的工作目录(如docker-quick-start)来存放这些文件。
2. 启动Apollo服务
在包含配置文件的目录下执行以下命令启动服务:
# 标准x86架构
docker-compose up
# ARM架构
docker-compose -f docker-compose-arm64.yml up
首次执行时,Docker会自动下载所需的镜像并启动容器,这可能需要一些时间。
3. 验证服务启动
服务启动完成后,您应该能在日志中看到类似以下输出:
Config service started. You may visit http://localhost:8080 for service status now!
Portal started. You can visit http://localhost:8070 now!
这表示Apollo的配置服务和门户服务都已成功启动。
服务访问与使用
访问Apollo Portal
通过浏览器访问 http://localhost:8070 即可进入Apollo配置中心的管理界面。
默认登录账号:
- 用户名:apollo
- 密码:admin
数据库访问
Docker容器中已经配置了MySQL数据库,如果需要直接访问数据库:
- 主机:localhost
- 端口:13306
- 用户名:root
- 密码:无
运行示例客户端
在Docker环境下运行示例客户端的命令如下:
docker exec -i apollo-quick-start /apollo-quick-start/demo.sh client
常见问题处理
网络访问问题
默认情况下,Apollo配置服务只会注册容器内网IP。如果需要让外部客户端访问,需要调整网络策略配置。
日志查看
如果需要查看更详细的日志信息,可以通过以下命令进入容器查看:
docker exec -it apollo-quick-start bash
日志文件位于:
- 服务日志:/apollo-quick-start/service/apollo-service.log
- 门户日志:/apollo-quick-start/portal/apollo-portal.log
注意事项
- Windows环境下Docker支持有限,不建议使用此方式部署
- 此快速部署方式不适合生产环境使用
- 所有服务都运行在单个容器中,仅用于演示目的
- 容器重启后数据会丢失,如需持久化需要额外配置
总结
通过本文介绍的Docker快速部署方式,开发者可以在几分钟内搭建起一个完整的Apollo配置中心环境,快速体验Apollo的核心功能。这为后续在生产环境中部署和使用Apollo打下了良好的基础。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03