OpenWhisk中使用自定义Ubuntu镜像创建Action的技术实践
2025-06-01 08:48:56作者:江焘钦
背景介绍
Apache OpenWhisk作为一个强大的无服务器计算平台,允许开发者通过自定义Docker镜像来扩展其运行时环境。本文将详细介绍如何基于Ubuntu系统构建符合OpenWhisk规范的Docker镜像,并分享实践中遇到的典型问题解决方案。
核心原理
OpenWhisk的Docker运行时要求镜像必须包含特定的Action Proxy服务,该服务负责处理平台与用户代码之间的通信协议。当使用自定义镜像时,必须确保:
- 镜像继承自基础Ubuntu系统
- 包含必要的OpenWhisk运行时组件
- 保持默认的Action Proxy启动命令
实施步骤
1. 基础镜像准备
推荐使用官方提供的docker skeleton项目作为基础模板,其中已包含必要的运行时配置。关键组件包括:
- 预装的OpenWhisk action proxy
- 标准化的文件目录结构
- 健康检查端点
2. Dockerfile定制
在基础模板上进行扩展时,典型的修改包括:
FROM ubuntu:20.04
# 安装必要的系统工具
RUN apt-get update && apt-get install -y \
curl \
python3 \
&& rm -rf /var/lib/apt/lists/*
# 复制OpenWhisk运行时组件
COPY --from=openwhisk/action-nodejs-v14 /proxy /proxy
COPY --from=openwhisk/action-nodejs-v14 /nodejsAction /nodejsAction
# 确保工作目录和入口点
WORKDIR /action
ENTRYPOINT ["/proxy/bin/proxy"]
3. 常见问题解决
在实践中开发者容易遇到的主要问题是容器启动超时,这通常由以下原因导致:
根本原因:
- 通过交互式bash修改后commit的镜像会覆盖原始ENTRYPOINT
- 自定义脚本未正确处理OpenWhisk的初始化协议
解决方案:
- 始终通过Dockerfile构建镜像,避免交互式commit
- 测试时使用OpenWhisk提供的action proxy测试工具验证镜像合规性
- 确保最终镜像的ENTRYPOINT保持为/proxy/bin/proxy
最佳实践建议
- 分层构建:将基础环境配置与业务逻辑分离
- 最小化镜像:仅包含必要的运行时依赖
- 本地验证:使用docker run测试时检查/proxy服务是否正常响应
- 日志输出:确保用户代码的日志输出符合OpenWhisk日志收集规范
总结
通过正确理解OpenWhisk的容器运行时机制,开发者可以灵活地构建自定义Ubuntu环境。关键是要保持与平台约定的接口规范,特别是Action Proxy服务的完整性。本文提供的解决方案已在实际生产环境得到验证,可作为同类场景的参考实现。
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
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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
246
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
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
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
3.02 K