Apache OpenWhisk中修改Zookeeper服务端口的方法
2025-06-02 05:03:32作者:邓越浪Henry
在使用Apache OpenWhisk部署过程中,可能会遇到Zookeeper默认端口2181被占用的情况。本文将详细介绍如何在OpenWhisk部署过程中修改Zookeeper服务的端口配置。
问题背景
在分布式系统OpenWhisk中,Zookeeper作为协调服务组件扮演着重要角色。默认情况下,OpenWhisk的Ansible部署脚本会使用2181作为Zookeeper的服务端口。然而在多用户环境中,这个端口可能已被其他服务占用,导致部署失败。
解决方案
OpenWhisk的Ansible部署脚本提供了灵活的配置方式,允许用户自定义Zookeeper服务端口。具体修改方法如下:
- 定位到OpenWhisk项目中的Ansible配置文件
- 修改
group_vars/all文件中的zookeeper.port参数值 - 重新运行部署命令
详细步骤
-
找到配置文件:在OpenWhisk项目的ansible目录下,找到
group_vars/all文件 -
修改端口参数:在该文件中找到
zookeeper.port配置项,默认值为2181。可以将其修改为其他可用端口号,例如:zookeeper: port: 2182 -
保存修改:保存配置文件后,重新运行部署命令
-
验证修改:部署完成后,可以通过
netstat命令或docker ps查看端口绑定情况,确认Zookeeper服务已在新端口上运行
注意事项
- 修改端口后,需要确保OpenWhisk其他组件(如Controller、Invoker等)的配置也相应更新,以连接到新的Zookeeper端口
- 如果使用防火墙,需要确保新端口在防火墙规则中是开放的
- 建议选择1024-65535范围内的非特权端口
- 修改后可能需要重新部署相关服务才能使更改生效
技术原理
OpenWhisk使用Ansible作为部署工具,通过变量定义各种服务的配置参数。Zookeeper服务的端口配置通过zookeeper.port变量控制,该变量在部署过程中会被传递给Docker容器,用于绑定主机端口。
通过这种灵活的配置方式,用户可以根据实际环境需求调整服务参数,确保OpenWhisk系统能够在各种环境下顺利部署和运行。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
314
2.73 K
deepin linux kernel
C
24
7
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++
639
245
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
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
470
Ascend Extension for PyTorch
Python
154
178
暂无简介
Dart
605
136
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
239
84
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.01 K
React Native鸿蒙化仓库
JavaScript
238
310