YuLan-OneSim 项目 Docker 容器化部署指南
2025-07-05 03:06:46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
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 StartedRust0152- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
617
793
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++
1.01 K
1.01 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
433
394
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
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
1.18 K
152
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
403
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989