Cheshire Cat AI 容器端口配置与日志显示不一致问题解析
2025-06-28 00:28:22作者:平淮齐Percy
在 Cheshire Cat AI 核心组件的容器化部署过程中,开发者可能会遇到一个看似微小但可能影响使用体验的问题:当在 docker-compose 配置文件中自定义了服务端口映射后,容器启动日志中显示的端口号并未同步更新,仍然显示默认值。
问题现象
当开发者修改 compose 配置文件中的端口映射设置,例如将默认的 1865:80 改为 1866:80 时,虽然容器能够正常启动并通过新端口访问服务,但启动日志中仍然显示默认的 1865 端口:
containerName_cat_core | Cat REST API: http://localhost:1865/docs
containerName_cat_core | Cat ADMIN: http://localhost:1865/admin
技术背景
这个问题的根源在于 FastAPI 应用本身无法自动感知容器对外暴露的端口映射关系。Cheshire Cat AI 在日志显示功能中,通过读取环境变量 CCAT_CORE_PORT 来获取应该显示的端口号。
解决方案
要解决这个显示不一致的问题,开发者需要在 docker-compose 配置中正确设置 CCAT_CORE_PORT 环境变量,使其与实际映射的外部端口保持一致。以下是推荐的配置方式:
services:
cheshire-cat-core:
image: ghcr.io/cheshire-cat-ai/core:latest
environment:
- CCAT_CORE_PORT=1866 # 与映射的外部端口一致
ports:
- 1866:80
- 5676:5678
或者使用更灵活的变量替换语法:
services:
cheshire-cat-core:
image: ghcr.io/cheshire-cat-ai/core:latest
environment:
- CCAT_CORE_PORT=${CCAT_CORE_PORT:-1866}
ports:
- ${CCAT_CORE_PORT:-1866}:80
最佳实践建议
- 环境变量管理:建议使用 .env 文件统一管理所有环境变量,包括端口配置
- 多实例部署:当需要运行多个 Cheshire Cat AI 实例时,确保每个实例都有独立的端口配置和环境变量设置
- 配置验证:部署后验证日志输出与实际访问地址是否一致
- 文档参考:虽然本文不提供具体链接,但建议开发者参考官方文档中关于环境变量配置的部分
总结
这个看似简单的端口显示问题实际上反映了容器化应用配置管理的一个重要原则:应用需要明确的环境变量配置来适应不同的部署场景。通过正确设置 CCAT_CORE_PORT 环境变量,开发者可以确保日志信息与实际部署配置保持一致,特别是在多实例部署等复杂场景下,这种一致性尤为重要。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0172
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 Notebook098
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
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
750
4.87 K
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++
841
1.84 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++
642
1.28 K
Ascend Extension for PyTorch
Python
689
834
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
451
419
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++
1.02 K
1.04 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
1.59 K
172
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
956
561
昇腾LLM分布式训练框架
Python
173
214
暂无简介
Dart
998
259