使用Docker部署Chatbot NER服务的完整指南
2025-06-12 01:24:26作者:咎岭娴Homer
项目概述
Chatbot NER是一个用于聊天机器人中的命名实体识别(NER)服务,能够从用户输入中识别和提取关键信息,如日期、时间、地点等实体。本文将详细介绍如何使用Docker容器化技术来部署这一服务。
环境准备
Docker安装
Ubuntu系统安装步骤
-
更新系统软件包并安装依赖项:
sudo apt-get -y update sudo apt-get install apt-transport-https ca-certificates curl software-properties-common -
添加Docker官方GPG密钥:
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - -
设置稳定版仓库:
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" -
安装Docker CE:
sudo apt-get update sudo apt-get install docker-ce -
将当前用户加入docker组:
sudo usermod -aG docker $USER
Docker Compose安装
sudo curl -L "https://github.com/docker/compose/releases/download/1.22.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose
项目部署流程
1. 获取项目代码
将chatbot_ner项目克隆到本地:
git clone https://github.com/hellohaptik/chatbot_ner.git
cd chatbot_ner
cp ./dev_docker/* ./
2. 配置环境变量
-
复制示例环境文件:
cp .env.example .env -
修改.env文件:
- 必须修改SECRET_KEY值
- 根据实际需求调整其他配置参数
-
设置entrypoint.sh执行权限:
sudo chmod 777 entrypoint.sh
3. 启动服务容器
构建并启动Docker容器:
docker-compose up --build -d
4. 验证服务状态
检查容器运行状态:
docker-compose ps
如果Elasticsearch容器不断重启,可能是权限问题导致,需要执行以下操作:
-
停止容器:
docker-compose down -
设置数据目录权限:
sudo chmod -R 777 ./dbdata/esdata/v1 -
重新启动容器:
docker-compose up --build -d
服务管理与监控
常用容器命令
-
查看运行中的容器:
docker-compose ps -
进入容器shell:
docker exec -it container-name bash -
停止容器:
docker-compose down -
重启容器:
docker-compose restart
日志查看
查看容器日志:
docker logs -f docker_chatbot-ner_1
或者直接查看日志文件:
cd ~/chatbot_ner/logs
tail -f *.log
服务测试
API调用示例
测试实体识别功能:
URL='localhost'
PORT=8081
curl -i 'http://'$URL':'$PORT'/v1/ner/?entities=\[%22date%22,%22time%22,%22restaurant%22\]&message=Reserve%20me%20a%20table%20today%20at%206:30pm%20at%20Mainland%20China%20and%20on%20Monday%20at%207:00pm%20at%20Barbeque%20Nation'
预期返回结果将包含识别出的日期、时间和餐厅实体信息。
图形界面访问
通过浏览器访问图形界面:
http://localhost:8081/gui/
自定义镜像构建
如需构建自定义Docker镜像:
cd chatbot_ner/docker
sudo docker build -t ner_image .
sudo docker run -itd -p 8081:80 --name ner ner_image
注意事项
-
确保8081端口未被占用,如需释放端口:
sudo lsof -t -i tcp:8081 -s tcp:listen | sudo xargs kill -
重新启动容器时,datastore_setup.py会再次执行。如需保留Elasticsearch中的数据,请注释掉datastore_setup.py中的DataStore部分。
-
服务启动后,建议等待5秒再发起首次API调用,确保所有组件已完成初始化。
通过以上步骤,您应该能够成功部署并运行Chatbot NER服务。如需进一步定制或扩展功能,可以参考项目文档进行深入配置。
登录后查看全文
热门项目推荐
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 StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
690
4.46 K
Ascend Extension for PyTorch
Python
547
671
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++
955
930
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
427
75
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
407
326
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
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
1.08 K
564
🎉 (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
1.59 K
925
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
642
292