解决microsoft/sample-app-aoai-chatGPT项目在Azure App Service上的部署问题

在将microsoft/sample-app-aoai-chatGPT项目部署到Azure App Service时，开发人员可能会遇到容器启动失败的问题。本文将深入分析问题原因并提供多种解决方案。

问题背景

当使用Docker镜像方式将该项目部署到Azure App Service时，容器无法正常启动。日志显示容器未能响应端口80的HTTP请求，导致站点启动失败。这个问题主要出现在项目引入异步后端支持后的版本中。

根本原因分析

经过排查，发现问题的根源在于两个方面：

1. Gunicorn依赖缺失：项目更新后使用了异步后端，但未在requirements.txt中包含gunicorn依赖
2. 端口配置不匹配：Gunicorn默认监听8000端口，而Azure App Service默认期望应用监听80端口

解决方案

方案一：添加环境变量配置

最简单的解决方案是在Azure App Service的配置设置中添加"WEBSITES_PORT"环境变量，将其值设为8000。这样App Service就会知道应用实际监听的端口号。

方案二：修改Gunicorn配置文件

创建一个gunicorn.conf.py配置文件，内容如下：

import multiprocessing

max_requests = 1000
max_requests_jitter = 50
log_file = "-"
bind = "0.0.0.0:80"

timeout = 230

num_cpus = multiprocessing.cpu_count()
workers = (num_cpus * 2) + 1
worker_class = "uvicorn.workers.UvicornWorker"

同时需要修改Dockerfile中的CMD指令：

CMD ["gunicorn", "app:app", "-c", "gunicorn.conf.py"]

方案三：直接修改Dockerfile命令

在Dockerfile中直接指定Gunicorn绑定到80端口：

CMD ["gunicorn", "-b", "0.0.0.0:80", "app:app"]

实施建议

对于大多数Azure App Service部署场景，推荐使用方案三，因为它最为直接简单。方案二提供了更丰富的Gunicorn配置选项，适合需要精细调优的生产环境。方案一则适合临时测试或快速验证的场景。

无论采用哪种方案，都需要确保以下几点：

1. 在requirements.txt中添加gunicorn依赖
2. Dockerfile中正确安装所有依赖
3. 端口配置与Azure App Service期望一致

总结

通过理解Azure App Service的端口期望和Gunicorn的默认行为，我们可以灵活选择最适合的解决方案来确保项目顺利部署。这个问题也提醒我们，在更新项目架构时需要考虑不同部署环境的兼容性，特别是在端口绑定和依赖管理方面。