OpenWhisk项目中Invoker组件更新与分布式部署实践
2025-06-01 00:44:46作者:盛欣凯Ernestine
背景介绍
在OpenWhisk这一无服务器计算平台中,Invoker作为核心组件之一,负责执行用户提交的函数请求。当我们需要对Invoker组件进行功能修改或日志调整时,需要经历代码修改、镜像构建和集群部署等多个环节。本文将详细介绍在分布式环境下更新Invoker组件的完整流程及优化方案。
问题现象
开发者在修改FunctionPullingContainerProxy.scala文件中的日志输出内容后,按照常规流程重新构建Invoker镜像并部署,发现日志输出并未如预期般更新。具体表现为修改后的日志信息"No more run Activation --testing-- is coming in state..."在实际运行中仍显示旧版本内容。
问题排查过程
通过深入分析,发现问题根源在于分布式环境下的镜像部署机制:
- 多机部署环境:系统采用Controller和Invoker分离的架构,分别运行在不同物理节点上
- 镜像同步问题:在Controller节点构建的镜像不会自动同步到Invoker节点
- 配置覆盖:临时修改的Ansible配置强制使用了registry中的nightly版本镜像,覆盖了本地构建的版本
解决方案与实施步骤
基础解决方案
-
恢复标准配置:将ansible/roles/invoker/tasks/deploy.yml中的镜像配置恢复为动态版本控制
-
镜像构建与传输:
- 在构建节点执行镜像构建:
./gradlew :core:invoker:clean :core:invoker:distDocker - 导出镜像文件:
docker save -o invoker.tar whisk/invoker:latest - 传输到目标节点:
scp invoker.tar user@target-machine:~ - 在目标节点加载:
docker load -i ~/invoker.tar
- 在构建节点执行镜像构建:
-
集群重新部署:执行标准部署流程使新镜像生效
自动化改进方案
通过在Ansible部署脚本中添加以下任务,实现镜像同步自动化:
- name: Save invoker Docker image
command: docker save -o /tmp/invoker.tar whisk/invoker:latest
delegate_to: localhost
run_once: true
- name: Copy invoker image to all Invoker machines
copy:
src: /tmp/invoker.tar
dest: /tmp/invoker.tar
- name: Load invoker Docker image on Invoker machines
command: docker load -i /tmp/invoker.tar
进阶优化建议
-
私有镜像仓库方案:搭建私有Docker Registry作为中央镜像仓库
- 构建时指定仓库地址:配置gradle构建参数中的dockerRegistry选项
- 各节点从统一仓库拉取镜像,避免手动传输
-
CI/CD集成:将镜像构建和部署流程整合到持续集成系统中
- 代码变更触发自动构建
- 自动推送镜像到仓库
- 自动更新集群节点
技术要点总结
- 版本控制:确保构建、传输、部署各环节使用一致的镜像版本
- 环境隔离:分布式环境下需特别注意各节点的环境一致性
- 配置管理:避免临时配置修改导致预期外行为
- 自动化优先:尽可能通过脚本实现重复操作的自动化
实践建议
对于OpenWhisk的开发和运维人员,建议:
- 建立标准的镜像版本管理流程
- 在分布式环境中优先考虑使用私有镜像仓库
- 对Ansible等部署工具进行定制化封装,减少人工操作
- 重要修改前进行环境检查,确认当前生效的配置和镜像版本
通过以上方法和建议,可以有效解决Invoker组件更新在分布式环境中的同步问题,提高开发部署效率。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
755
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
179
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248