GPUStack项目修改Web服务端口的配置指南
2025-06-30 11:40:42作者:何将鹤
在GPUStack项目中,Web服务的默认端口是80,但实际部署时可能需要修改为其他端口。本文将详细介绍如何通过不同方式修改GPUStack的Web服务端口。
通过CLI参数修改端口
GPUStack提供了命令行参数来灵活配置Web服务端口。在启动服务时,可以使用--port参数指定自定义端口号。例如:
gpustack start --port 8080
这条命令会将Web服务端口改为8080。这种方式适合临时测试或快速部署场景,配置简单直接。
通过安装脚本配置端口
如果使用官方提供的安装脚本进行部署,可以在运行安装脚本时通过环境变量来设置端口:
export GPU_STACK_PORT=8080
./install.sh
安装脚本会自动读取这个环境变量,并在后续配置中使用指定的端口号。这种方式适合自动化部署场景。
配置文件永久修改
对于生产环境,建议通过修改配置文件来实现永久性变更。GPUStack的配置文件通常位于/etc/gpustack/config.yaml(Linux系统)或相应路径。找到并修改以下配置项:
web:
port: 8080
修改后需要重启服务使配置生效。这种方式适合需要长期稳定运行的场景。
端口修改注意事项
-
权限问题:在Linux系统上,1024以下的端口需要root权限。如果使用非特权端口(>1024),确保启动服务时有足够权限。
-
防火墙配置:修改端口后,需要相应调整防火墙规则,确保新端口能够被访问。
-
反向代理:生产环境中,建议在GPUStack前配置Nginx等反向代理,将80/443端口请求转发到自定义端口。
-
多实例部署:在同一主机部署多个GPUStack实例时,必须为每个实例分配不同的端口。
通过以上方法,可以灵活地根据实际需求调整GPUStack的Web服务端口,满足不同部署场景的要求。
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 StartedRust0454
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0782
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX029
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++03
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
832
5.51 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
496
521
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++
980
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
807
1.16 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++
796
1.6 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
782
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++
1.21 K
1.26 K
CANN 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 Notebook
665
304