n8n-autoscaling 的安装和配置教程
2025-05-17 22:54:46作者:宗隆裙
项目基础介绍
n8n-autoscaling 是一个基于 Docker 的自动扩展解决方案,专为 n8n 工作流自动化平台设计。该系统可以根据 Redis 队列长度动态调整 n8n 工作节点容器的数量,无需涉及 Kubernetes 或其他容器扩展服务。它通过一个简单的脚本实现所有功能,并且易于配置。该项目主要用于自动化任务处理,特别是对于需要处理大量并发任务的工作流。
主要编程语言
该项目主要使用 Python 编程语言,同时使用了 Dockerfile 来定义容器镜像。
项目使用的关键技术和框架
- Docker: 用于容器化应用,提供一致的开发和部署环境。
- Docker Compose: 用于定义和运行多容器 Docker 应用。
- Redis: 作为任务队列的存储系统,用于管理任务和监控队列长度。
- n8n: 一个工作流自动化工具,可以连接各种工具和服务的节点,实现自动化的任务流程。
准备工作
在开始安装 n8n-autoscaling 之前,确保您的系统已经安装以下软件:
- Docker
- Docker Compose
对于 Docker 的安装,如果是 Ubuntu 用户,可以使用方便的 Docker 安装脚本。而对于其他操作系统,推荐使用 Docker Desktop。
安装步骤
-
克隆仓库 将项目仓库克隆到本地文件夹中:
git clone https://github.com/conor-is-my-name/n8n-autoscaling.git cd n8n-autoscaling -
配置环境变量 将
.env.example文件重命名为.env并在文件中设置您的环境变量。确保更改默认密码和令牌以提高安全性。 -
创建 Docker 网络 执行以下命令创建 Docker 网络:
docker network create shark -
启动服务 使用以下命令启动所有服务:
docker-compose up -d这将启动 n8n 工作流引擎、Redis 队列和自动扩展服务。
-
配置 n8n 确保 n8n 环境变量已正确设置,以下变量需要在 n8n 环境中配置:
EXECUTIONS_MODE=queue QUEUE_BULL_REDIS_HOST=redis QUEUE_HEALTH_CHECK_ACTIVE=true -
调整自动扩展配置 在
docker-compose.yml文件中,可以调整以下变量来配置自动扩展的行为:MIN_REPLICAS=1 MAX_REPLICAS=5 SCALE_UP_QUEUE_THRESHOLD=5 SCALE_DOWN_QUEUE_THRESHOLD=2 POLLING_INTERVAL_SECONDS=30 COOLDOWN_PERIOD_SECONDS=180 -
监控和故障排除
- 检查容器日志:
docker-compose logs [service] - 验证 Redis 连接:
docker-compose exec redis redis-cli ping - 检查队列长度:
docker-compose exec redis redis-cli LLEN bull:jobs:wait
- 检查容器日志:
按照以上步骤操作,您应该能够成功安装和配置 n8n-autoscaling。如果遇到任何问题,可以查看项目的文档和日志信息进行故障排除。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147