YuLan-OneSim 项目 Docker 容器化部署指南
2025-07-05 06:31:49作者:吴年前Myrtle
项目概述
YuLan-OneSim 是一个集成了前端界面、后端服务和命令行工具的统一仿真平台。本文将从技术角度详细解析其 Docker 容器化部署方案,帮助开发者理解其架构设计和实现原理。
容器架构设计
YuLan-OneSim 采用多阶段构建的 Docker 镜像方案,主要包含两个构建阶段:
- 前端构建阶段:基于 Node.js 18 的轻量级镜像
- 主服务阶段:基于 Python 3.10 的完整运行环境
这种设计既保证了构建环境的完整性,又确保了最终镜像的精简性。
详细构建过程解析
前端构建阶段
FROM node:18-slim AS frontend-builder
WORKDIR /frontend
COPY src/frontend/package*.json ./
RUN npm install
COPY src/frontend/ ./
RUN npm run build
这一阶段完成了:
- 前端依赖安装(
npm install) - 前端项目构建(
npm run build) - 生成静态文件存储在
/frontend/dist目录
主服务阶段
主服务阶段基于 Python 3.10 构建,包含以下关键配置:
环境变量设置
ENV PYTHONDONTWRITEBYTECODE=1 \
PYTHONUNBUFFERED=1 \
PYTHONPATH=/app/src \
DEBIAN_FRONTEND=noninteractive
这些环境变量优化了 Python 运行环境,确保日志输出实时可见,并设置了正确的模块导入路径。
系统依赖安装
RUN apt-get update && apt-get install -y \
nginx \
process-manager \
curl \
procps \
build-essential
安装了必要的系统组件:
- Nginx:作为 Web 服务器
- 进程管理工具
- 其他工具:curl(健康检查)、procps(进程管理)、build-essential(Python 包编译)
Python 依赖安装
COPY setup.py README.md ./
COPY src/ ./src/
RUN pip install --no-cache-dir --upgrade pip && \
pip install --no-cache-dir -e .
采用可编辑模式安装(-e),便于开发调试。
前端部署
COPY --from=frontend-builder /frontend/dist /var/www/html
将前端构建产物复制到 Nginx 的默认静态文件目录。
服务配置
COPY config/ ./config/
COPY docker/nginx.conf /etc/nginx/nginx.conf
COPY docker/process-manager.conf /etc/process-manager/conf.d/process-manager.conf
复制了项目配置文件、Nginx 配置和进程管理配置,实现服务的统一管理。
启动脚本
COPY docker/start.sh /start.sh
RUN chmod +x /start.sh
自定义启动脚本,通过进程管理工具管理所有服务进程。
健康检查机制
HEALTHCHECK --interval=30s --timeout=10s --start-period=30s --retries=3 \
CMD curl -f http://localhost/health || exit 1
容器内置了健康检查机制,定期访问 /health 端点验证服务可用性。
部署实践建议
-
端口映射:容器暴露 80 端口,运行时需映射到宿主机端口
docker run -p 8080:80 yulan-onesim -
数据持久化:建议将日志目录挂载到宿主机
docker run -v ./logs:/app/logs yulan-onesim -
配置覆盖:可通过挂载方式覆盖默认配置
docker run -v ./custom_config:/app/config yulan-onesim
技术亮点总结
- 多阶段构建:有效减小最终镜像体积
- 进程管理:使用进程管理工具管理多进程服务
- 健康监控:内置健康检查机制确保服务可用性
- 开发友好:可编辑模式安装便于调试
- 一体化部署:前端+后端+CLI 全功能集成
通过这种容器化方案,YuLan-OneSim 实现了"一次构建,随处运行"的部署目标,大大降低了环境配置的复杂度。
登录后查看全文
热门项目推荐
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
HunyuanVideo-1.5暂无简介00
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
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
480
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
276
97
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
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210