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
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 StartedRust0190
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 Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
762
4.95 K
Claude 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 Started
Rust
1.79 K
190
暂无简介
Dart
1 K
259
Ascend Extension for PyTorch
Python
717
867
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
855
1.91 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
🎉 (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
1.73 K
1.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
675
1.32 K
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
455
438