Asian Beauty Z-Image Turbo 容器化部署进阶使用Docker Compose编排多服务你是不是已经体验过在星图GPU平台上快速拉起一个AI模型服务的感觉了一键部署确实方便但有时候我们可能希望在自己的服务器上搭建一个更完整、更可控、能长期稳定运行的应用环境。比如你想把Asian Beauty Z-Image Turbo这个强大的图像生成模型和自己的数据库、缓存系统甚至一个漂亮的前端界面整合在一起形成一个独立的、可扩展的应用栈。这时候单靠一个孤零零的Docker容器就显得有些力不从心了。你需要管理多个服务处理它们之间的网络通信、数据持久化、启动顺序等一系列复杂问题。别担心这正是Docker Compose大显身手的地方。今天我就带你一步步从零开始用Docker Compose来编排部署一个包含Asian Beauty Z-Image Turbo模型服务、MySQL数据库、Redis缓存以及一个轻量级WebUI的完整应用。整个过程就像搭积木我们把每个服务定义好然后告诉Compose“按这个图纸把它们都启动并连接起来吧。”1. 为什么需要Docker Compose在深入动手之前我们先花几分钟聊聊为什么在自有服务器上Docker Compose是比手动管理多个容器更好的选择。想象一下如果没有Compose你要部署上面提到的四个服务模型、MySQL、Redis、WebUI你需要手动执行多少条命令大概是这样的拉取MySQL镜像运行容器设置root密码创建数据库映射数据卷。拉取Redis镜像运行容器设置密码映射数据卷。拉取或构建模型服务镜像运行容器设置环境变量连接MySQL和Redis映射模型文件。拉取或构建WebUI镜像运行容器设置环境变量指向模型服务API映射端口。这还没完你还要确保它们都在同一个Docker网络中以便相互发现和通信。任何一个服务重启或更新你都得小心翼翼地重复这些步骤很容易出错。Docker Compose解决了这个问题。它允许你用一个YAML格式的配置文件通常叫docker-compose.yml来定义和运行多个相关联的Docker容器。这个文件就是你的“应用蓝图”。你只需要在这个文件里声明服务Services你的应用由哪些容器组成比如web、db、cache、ai-model。网络Networks这些容器如何连接在一起。数据卷Volumes容器中的数据如何持久化存储到宿主机。然后一条简单的命令docker-compose up -d所有服务就会按照你定义的依赖关系和配置有序地启动起来。管理起来也极其方便docker-compose ps查看所有服务状态。docker-compose logs -f [服务名]查看某个服务的实时日志。docker-compose down一键停止并移除所有容器、网络。docker-compose restart [服务名]重启某个服务。对于我们的“Asian Beauty Z-Image Turbo全栈应用”来说使用Compose不仅能简化部署更能让整个应用的结构清晰、易于维护和扩展。接下来我们就开始绘制这张“蓝图”。2. 环境准备与项目结构在开始编写Compose文件之前我们需要确保基础环境就绪并规划好项目的目录结构。清晰的目录结构是后续维护的关键。2.1 基础环境要求服务器一台拥有GPU的Linux服务器如Ubuntu 20.04/22.04。CPU也可以运行但图像生成速度会慢很多。Docker Engine版本20.10.0或更高。确保已安装并启动。Docker Compose版本v2.0.0或更高。现在通常作为Docker Desktop的一部分安装在Linux上也可以通过包管理器或二进制文件单独安装。NVIDIA Container Toolkit如果你的服务器有NVIDIA GPU这是必须的它允许Docker容器使用GPU。可以通过以下命令安装以Ubuntu为例# 添加NVIDIA容器运行时仓库 distribution$(. /etc/os-release;echo $ID$VERSION_ID) curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | sed s#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list sudo apt-get update sudo apt-get install -y nvidia-container-toolkit sudo systemctl restart docker安装后运行docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi测试GPU是否能在容器内被识别。2.2 创建项目目录在你的服务器上选择一个合适的位置如/opt或你的家目录创建项目根目录并初始化子目录。mkdir -p asian-beauty-zimage-fullstack cd asian-beauty-zimage-fullstack mkdir -p configs models mysql_data redis_data webui_static logs我们来解释一下每个目录的用途configs/存放各个服务的自定义配置文件如果需要。models/存放Asian Beauty Z-Image Turbo的模型权重文件。这是关键你需要提前将模型文件如z-image-turbo.safetensors放置于此。mysql_data/作为数据卷持久化MySQL数据库文件。redis_data/作为数据卷持久化Redis数据。webui_static/存放前端WebUI的静态资源文件。logs/集中存放各容器的日志文件也可以通过Docker的日志驱动管理。现在我们的“舞台”已经搭好接下来就是编写核心的剧本——docker-compose.yml。3. 编写核心的 docker-compose.yml 文件这是整个部署的核心。我们将在一个文件中定义四个服务mysql、redis、ai-modelAsian Beauty Z-Image Turbo和webui。请在你的项目根目录asian-beauty-zimage-fullstack下创建这个文件。# docker-compose.yml version: 3.8 # 定义所有服务 services: # 1. MySQL 数据库服务 mysql: image: mysql:8.0 container_name: abz-mysql restart: unless-stopped environment: MYSQL_ROOT_PASSWORD: your_strong_root_password_here # 请务必修改 MYSQL_DATABASE: ai_app_db MYSQL_USER: ai_app_user MYSQL_PASSWORD: your_app_user_password_here # 请务必修改 volumes: - ./mysql_data:/var/lib/mysql # 持久化数据 - ./configs/mysql-init.sql:/docker-entrypoint-initdb.d/init.sql # 可选初始化脚本 networks: - abz-network healthcheck: # 健康检查确保数据库就绪后再启动依赖它的服务 test: [CMD, mysqladmin, ping, -h, localhost, -u, root, -p$$MYSQL_ROOT_PASSWORD] interval: 10s timeout: 5s retries: 5 # 2. Redis 缓存服务 redis: image: redis:7-alpine container_name: abz-redis restart: unless-stopped command: redis-server --requirepass your_redis_password_here # 请务必修改 volumes: - ./redis_data:/data # 持久化数据 networks: - abz-network healthcheck: test: [CMD, redis-cli, -a, your_redis_password_here, ping] # 密码需与command中一致 interval: 10s timeout: 5s retries: 5 # 3. Asian Beauty Z-Image Turbo 模型服务 (核心) ai-model: # 假设你已经构建了包含此模型的镜像例如 my-registry/z-image-turbo:latest # 或者使用从星图镜像导出的镜像。这里用 placeholder 表示你需要替换。 image: your_z_image_turbo_image:tag # 关键替换为你的实际镜像名 container_name: abz-ai-model restart: unless-stopped deploy: # 使用deploy.resources限制资源兼容Compose和Swarm resources: reservations: devices: - driver: nvidia count: all capabilities: [gpu] # 或者使用传统的 runtime 和 device 配置二选一 # runtime: nvidia # devices: # - /dev/nvidia0:/dev/nvidia0 # - /dev/nvidiactl:/dev/nvidiactl # - /dev/nvidia-uvm:/dev/nvidia-uvm environment: # 模型服务连接数据库和缓存的配置 DB_HOST: mysql DB_PORT: 3306 DB_NAME: ai_app_db DB_USER: ai_app_user DB_PASSWORD: your_app_user_password_here # 与mysql服务中一致 REDIS_HOST: redis REDIS_PORT: 6379 REDIS_PASSWORD: your_redis_password_here # 与redis服务中一致 # 模型服务自身配置例如监听端口、模型路径等 MODEL_PATH: /app/models/z-image-turbo.safetensors HOST: 0.0.0.0 PORT: 7860 volumes: - ./models:/app/models:ro # 只读挂载模型文件 - ./logs/ai-model:/app/logs # 挂载日志目录 ports: - 7860:7860 # 将容器的7860端口映射到宿主机的7860端口 networks: - abz-network depends_on: mysql: condition: service_healthy # 等待mysql健康 redis: condition: service_healthy # 等待redis健康 # 4. 前端 WebUI 服务 webui: # 假设你有一个简单的前端镜像用于调用 ai-model 服务的API image: nginx:alpine # 这里用Nginx作为静态服务器示例实际可能是Vue/React构建的镜像 container_name: abz-webui restart: unless-stopped volumes: - ./webui_static:/usr/share/nginx/html:ro # 挂载你的前端静态文件 - ./configs/nginx.conf:/etc/nginx/conf.d/default.conf:ro # 挂载自定义Nginx配置 ports: - 80:80 # 前端访问端口 networks: - abz-network depends_on: - ai-model # 依赖于模型服务启动 # 定义自定义网络确保服务间可以通过服务名如 mysql, redis通信 networks: abz-network: driver: bridge # 定义数据卷用于持久化数据上面已在服务中引用本地目录这里定义的是命名卷可选 # volumes: # mysql_data: # redis_data:文件解析与关键点服务定义每个服务mysql,redis,ai-model,webui都是一个独立的容器配置块。容器名称container_name让我们可以用有意义的名称来管理容器而不是随机的ID。环境变量这是配置服务的核心方式。数据库密码、Redis密码、连接地址等都通过环境变量注入。请务必修改示例中的弱密码数据卷Volumesvolumes将宿主机的目录如./mysql_data挂载到容器内的路径如/var/lib/mysql。这样即使容器删除数据也不会丢失。对于模型文件我们使用只读:ro挂载防止容器意外修改。网络Networks所有服务都加入自定义的abz-network。在这个网络中容器可以使用服务名作为主机名直接互相访问例如ai-model服务中可以用mysql这个主机名连接数据库。这是Docker Compose提供的关键便利。依赖与健康检查depends_on结合condition: service_healthy确保了启动顺序。ai-model会等待mysql和redis健康后才启动。webui会等待ai-model启动但不检查健康状态。健康检查命令需要根据服务特性定制。GPU支持对于ai-model服务我们通过deploy.resources或runtime/devices来声明需要GPU。推荐使用deploy部分它更现代且兼容性好。端口映射ports将容器端口映射到宿主机端口。ai-model的API服务映射到7860webui映射到80。重要提醒你需要将your_z_image_turbo_image:tag替换为实际的Asian Beauty Z-Image Turbo模型服务的Docker镜像。这个镜像可能需要你自己根据模型代码和依赖来构建Dockerfile并构建。4. 准备模型与配置Compose文件写好了但还需要一些“食材”才能开火。4.1 准备模型文件将你的z-image-turbo.safetensors或其他格式的模型权重文件放入之前创建的./models/目录下。确保Compose文件中ai-model服务的MODEL_PATH环境变量指向正确的容器内路径和文件名。4.2 可选准备初始化脚本和配置文件MySQL初始化如果你需要在数据库创建时就建立特定的表结构可以创建一个./configs/mysql-init.sql文件Compose会在MySQL容器首次启动时自动执行它。Nginx配置对于webui服务我们使用了一个简单的Nginx配置示例。你需要创建./configs/nginx.conf文件并配置反向代理将前端请求转发到ai-model服务的APIhttp://ai-model:7860。一个极简的./configs/nginx.conf示例server { listen 80; server_name localhost; # 或你的域名 location / { root /usr/share/nginx/html; index index.html index.htm; try_files $uri $uri/ /index.html; } # 假设模型服务的API路径是 /api/ location /api/ { proxy_pass http://ai-model:7860/; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } }同时你需要将构建好的前端静态文件HTML, JS, CSS放入./webui_static/目录。5. 启动、管理与验证万事俱备只欠一行命令。5.1 启动所有服务在项目根目录包含docker-compose.yml的目录下运行docker-compose up -d-d参数表示在后台运行detached mode。Docker Compose会依次拉取镜像如果本地没有、创建网络、创建并启动所有容器。5.2 查看服务状态与日志查看所有容器状态docker-compose ps你应该看到四个服务的状态都是Up。查看特定服务日志例如查看模型服务启动是否成功docker-compose logs -f ai-model按CtrlC退出日志跟踪。重点关注是否有错误信息特别是模型加载、数据库连接是否成功。5.3 验证服务验证WebUI打开浏览器访问http://你的服务器IP。应该能看到前端界面。验证模型API直接访问http://你的服务器IP:7860如果模型服务暴露了API文档如Swagger UI或Gradio界面或者通过前端界面发起一个简单的图像生成请求。验证数据库和Redis可以进入容器内部进行验证# 进入MySQL容器 docker-compose exec mysql mysql -u ai_app_user -p # 输入密码后执行 SHOW DATABASES; 查看数据库是否存在 # 进入Redis容器 docker-compose exec redis redis-cli -a your_redis_password_here # 输入密码后执行 PING应该返回 PONG5.4 日常管理命令停止所有服务docker-compose down。这会停止并移除所有容器、网络但不会移除数据卷。停止并移除数据卷docker-compose down -v。警告这会删除MySQL和Redis的持久化数据重启某个服务docker-compose restart ai-model。重新构建并启动例如修改了镜像或Compose文件后docker-compose up -d --build。查看资源使用docker-compose top。6. 总结与进阶思考走完这一趟你应该已经成功在自有服务器上用Docker Compose搭建起了一个功能相对完整的AI应用栈。从单一的模型服务到包含数据库、缓存、前端的微服务架构Compose让这一切变得清晰、可重复和易于管理。这种方式的优势很明显环境隔离、一键部署、易于扩展。比如未来如果流量增大你可以很方便地修改Compose文件为ai-model服务增加副本数结合Docker Swarm或Kubernetes或者把MySQL替换成云数据库服务。当然这只是个起点。在实际生产环境中你还需要考虑更多安全性使用更安全的密码管理方式如Docker Secrets或外部配置文件限制不必要的端口暴露。监控与日志将容器的日志集中收集到ELK或Loki等系统并设置监控告警。CI/CD将docker-compose.yml和构建镜像的Dockerfile纳入版本控制实现自动化部署。性能调优根据服务器资源调整各个容器的CPU/内存限制使用cpus,mem_limit等配置。希望这篇进阶指南能帮你打开思路不再局限于平台的一键部署而是能灵活地将强大的AI模型能力集成到你自己的系统架构中。动手试试吧从这套模板开始定制属于你自己的AI应用栈。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
Asian Beauty Z-Image Turbo 容器化部署进阶：使用Docker Compose编排多服务
Asian Beauty Z-Image Turbo 容器化部署进阶使用Docker Compose编排多服务你是不是已经体验过在星图GPU平台上快速拉起一个AI模型服务的感觉了一键部署确实方便但有时候我们可能希望在自己的服务器上搭建一个更完整、更可控、能长期稳定运行的应用环境。比如你想把Asian Beauty Z-Image Turbo这个强大的图像生成模型和自己的数据库、缓存系统甚至一个漂亮的前端界面整合在一起形成一个独立的、可扩展的应用栈。这时候单靠一个孤零零的Docker容器就显得有些力不从心了。你需要管理多个服务处理它们之间的网络通信、数据持久化、启动顺序等一系列复杂问题。别担心这正是Docker Compose大显身手的地方。今天我就带你一步步从零开始用Docker Compose来编排部署一个包含Asian Beauty Z-Image Turbo模型服务、MySQL数据库、Redis缓存以及一个轻量级WebUI的完整应用。整个过程就像搭积木我们把每个服务定义好然后告诉Compose“按这个图纸把它们都启动并连接起来吧。”1. 为什么需要Docker Compose在深入动手之前我们先花几分钟聊聊为什么在自有服务器上Docker Compose是比手动管理多个容器更好的选择。想象一下如果没有Compose你要部署上面提到的四个服务模型、MySQL、Redis、WebUI你需要手动执行多少条命令大概是这样的拉取MySQL镜像运行容器设置root密码创建数据库映射数据卷。拉取Redis镜像运行容器设置密码映射数据卷。拉取或构建模型服务镜像运行容器设置环境变量连接MySQL和Redis映射模型文件。拉取或构建WebUI镜像运行容器设置环境变量指向模型服务API映射端口。这还没完你还要确保它们都在同一个Docker网络中以便相互发现和通信。任何一个服务重启或更新你都得小心翼翼地重复这些步骤很容易出错。Docker Compose解决了这个问题。它允许你用一个YAML格式的配置文件通常叫docker-compose.yml来定义和运行多个相关联的Docker容器。这个文件就是你的“应用蓝图”。你只需要在这个文件里声明服务Services你的应用由哪些容器组成比如web、db、cache、ai-model。网络Networks这些容器如何连接在一起。数据卷Volumes容器中的数据如何持久化存储到宿主机。然后一条简单的命令docker-compose up -d所有服务就会按照你定义的依赖关系和配置有序地启动起来。管理起来也极其方便docker-compose ps查看所有服务状态。docker-compose logs -f [服务名]查看某个服务的实时日志。docker-compose down一键停止并移除所有容器、网络。docker-compose restart [服务名]重启某个服务。对于我们的“Asian Beauty Z-Image Turbo全栈应用”来说使用Compose不仅能简化部署更能让整个应用的结构清晰、易于维护和扩展。接下来我们就开始绘制这张“蓝图”。2. 环境准备与项目结构在开始编写Compose文件之前我们需要确保基础环境就绪并规划好项目的目录结构。清晰的目录结构是后续维护的关键。2.1 基础环境要求服务器一台拥有GPU的Linux服务器如Ubuntu 20.04/22.04。CPU也可以运行但图像生成速度会慢很多。Docker Engine版本20.10.0或更高。确保已安装并启动。Docker Compose版本v2.0.0或更高。现在通常作为Docker Desktop的一部分安装在Linux上也可以通过包管理器或二进制文件单独安装。NVIDIA Container Toolkit如果你的服务器有NVIDIA GPU这是必须的它允许Docker容器使用GPU。可以通过以下命令安装以Ubuntu为例# 添加NVIDIA容器运行时仓库 distribution$(. /etc/os-release;echo $ID$VERSION_ID) curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | sed s#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list sudo apt-get update sudo apt-get install -y nvidia-container-toolkit sudo systemctl restart docker安装后运行docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi测试GPU是否能在容器内被识别。2.2 创建项目目录在你的服务器上选择一个合适的位置如/opt或你的家目录创建项目根目录并初始化子目录。mkdir -p asian-beauty-zimage-fullstack cd asian-beauty-zimage-fullstack mkdir -p configs models mysql_data redis_data webui_static logs我们来解释一下每个目录的用途configs/存放各个服务的自定义配置文件如果需要。models/存放Asian Beauty Z-Image Turbo的模型权重文件。这是关键你需要提前将模型文件如z-image-turbo.safetensors放置于此。mysql_data/作为数据卷持久化MySQL数据库文件。redis_data/作为数据卷持久化Redis数据。webui_static/存放前端WebUI的静态资源文件。logs/集中存放各容器的日志文件也可以通过Docker的日志驱动管理。现在我们的“舞台”已经搭好接下来就是编写核心的剧本——docker-compose.yml。3. 编写核心的 docker-compose.yml 文件这是整个部署的核心。我们将在一个文件中定义四个服务mysql、redis、ai-modelAsian Beauty Z-Image Turbo和webui。请在你的项目根目录asian-beauty-zimage-fullstack下创建这个文件。# docker-compose.yml version: 3.8 # 定义所有服务 services: # 1. MySQL 数据库服务 mysql: image: mysql:8.0 container_name: abz-mysql restart: unless-stopped environment: MYSQL_ROOT_PASSWORD: your_strong_root_password_here # 请务必修改 MYSQL_DATABASE: ai_app_db MYSQL_USER: ai_app_user MYSQL_PASSWORD: your_app_user_password_here # 请务必修改 volumes: - ./mysql_data:/var/lib/mysql # 持久化数据 - ./configs/mysql-init.sql:/docker-entrypoint-initdb.d/init.sql # 可选初始化脚本 networks: - abz-network healthcheck: # 健康检查确保数据库就绪后再启动依赖它的服务 test: [CMD, mysqladmin, ping, -h, localhost, -u, root, -p$$MYSQL_ROOT_PASSWORD] interval: 10s timeout: 5s retries: 5 # 2. Redis 缓存服务 redis: image: redis:7-alpine container_name: abz-redis restart: unless-stopped command: redis-server --requirepass your_redis_password_here # 请务必修改 volumes: - ./redis_data:/data # 持久化数据 networks: - abz-network healthcheck: test: [CMD, redis-cli, -a, your_redis_password_here, ping] # 密码需与command中一致 interval: 10s timeout: 5s retries: 5 # 3. Asian Beauty Z-Image Turbo 模型服务 (核心) ai-model: # 假设你已经构建了包含此模型的镜像例如 my-registry/z-image-turbo:latest # 或者使用从星图镜像导出的镜像。这里用 placeholder 表示你需要替换。 image: your_z_image_turbo_image:tag # 关键替换为你的实际镜像名 container_name: abz-ai-model restart: unless-stopped deploy: # 使用deploy.resources限制资源兼容Compose和Swarm resources: reservations: devices: - driver: nvidia count: all capabilities: [gpu] # 或者使用传统的 runtime 和 device 配置二选一 # runtime: nvidia # devices: # - /dev/nvidia0:/dev/nvidia0 # - /dev/nvidiactl:/dev/nvidiactl # - /dev/nvidia-uvm:/dev/nvidia-uvm environment: # 模型服务连接数据库和缓存的配置 DB_HOST: mysql DB_PORT: 3306 DB_NAME: ai_app_db DB_USER: ai_app_user DB_PASSWORD: your_app_user_password_here # 与mysql服务中一致 REDIS_HOST: redis REDIS_PORT: 6379 REDIS_PASSWORD: your_redis_password_here # 与redis服务中一致 # 模型服务自身配置例如监听端口、模型路径等 MODEL_PATH: /app/models/z-image-turbo.safetensors HOST: 0.0.0.0 PORT: 7860 volumes: - ./models:/app/models:ro # 只读挂载模型文件 - ./logs/ai-model:/app/logs # 挂载日志目录 ports: - 7860:7860 # 将容器的7860端口映射到宿主机的7860端口 networks: - abz-network depends_on: mysql: condition: service_healthy # 等待mysql健康 redis: condition: service_healthy # 等待redis健康 # 4. 前端 WebUI 服务 webui: # 假设你有一个简单的前端镜像用于调用 ai-model 服务的API image: nginx:alpine # 这里用Nginx作为静态服务器示例实际可能是Vue/React构建的镜像 container_name: abz-webui restart: unless-stopped volumes: - ./webui_static:/usr/share/nginx/html:ro # 挂载你的前端静态文件 - ./configs/nginx.conf:/etc/nginx/conf.d/default.conf:ro # 挂载自定义Nginx配置 ports: - 80:80 # 前端访问端口 networks: - abz-network depends_on: - ai-model # 依赖于模型服务启动 # 定义自定义网络确保服务间可以通过服务名如 mysql, redis通信 networks: abz-network: driver: bridge # 定义数据卷用于持久化数据上面已在服务中引用本地目录这里定义的是命名卷可选 # volumes: # mysql_data: # redis_data:文件解析与关键点服务定义每个服务mysql,redis,ai-model,webui都是一个独立的容器配置块。容器名称container_name让我们可以用有意义的名称来管理容器而不是随机的ID。环境变量这是配置服务的核心方式。数据库密码、Redis密码、连接地址等都通过环境变量注入。请务必修改示例中的弱密码数据卷Volumesvolumes将宿主机的目录如./mysql_data挂载到容器内的路径如/var/lib/mysql。这样即使容器删除数据也不会丢失。对于模型文件我们使用只读:ro挂载防止容器意外修改。网络Networks所有服务都加入自定义的abz-network。在这个网络中容器可以使用服务名作为主机名直接互相访问例如ai-model服务中可以用mysql这个主机名连接数据库。这是Docker Compose提供的关键便利。依赖与健康检查depends_on结合condition: service_healthy确保了启动顺序。ai-model会等待mysql和redis健康后才启动。webui会等待ai-model启动但不检查健康状态。健康检查命令需要根据服务特性定制。GPU支持对于ai-model服务我们通过deploy.resources或runtime/devices来声明需要GPU。推荐使用deploy部分它更现代且兼容性好。端口映射ports将容器端口映射到宿主机端口。ai-model的API服务映射到7860webui映射到80。重要提醒你需要将your_z_image_turbo_image:tag替换为实际的Asian Beauty Z-Image Turbo模型服务的Docker镜像。这个镜像可能需要你自己根据模型代码和依赖来构建Dockerfile并构建。4. 准备模型与配置Compose文件写好了但还需要一些“食材”才能开火。4.1 准备模型文件将你的z-image-turbo.safetensors或其他格式的模型权重文件放入之前创建的./models/目录下。确保Compose文件中ai-model服务的MODEL_PATH环境变量指向正确的容器内路径和文件名。4.2 可选准备初始化脚本和配置文件MySQL初始化如果你需要在数据库创建时就建立特定的表结构可以创建一个./configs/mysql-init.sql文件Compose会在MySQL容器首次启动时自动执行它。Nginx配置对于webui服务我们使用了一个简单的Nginx配置示例。你需要创建./configs/nginx.conf文件并配置反向代理将前端请求转发到ai-model服务的APIhttp://ai-model:7860。一个极简的./configs/nginx.conf示例server { listen 80; server_name localhost; # 或你的域名 location / { root /usr/share/nginx/html; index index.html index.htm; try_files $uri $uri/ /index.html; } # 假设模型服务的API路径是 /api/ location /api/ { proxy_pass http://ai-model:7860/; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } }同时你需要将构建好的前端静态文件HTML, JS, CSS放入./webui_static/目录。5. 启动、管理与验证万事俱备只欠一行命令。5.1 启动所有服务在项目根目录包含docker-compose.yml的目录下运行docker-compose up -d-d参数表示在后台运行detached mode。Docker Compose会依次拉取镜像如果本地没有、创建网络、创建并启动所有容器。5.2 查看服务状态与日志查看所有容器状态docker-compose ps你应该看到四个服务的状态都是Up。查看特定服务日志例如查看模型服务启动是否成功docker-compose logs -f ai-model按CtrlC退出日志跟踪。重点关注是否有错误信息特别是模型加载、数据库连接是否成功。5.3 验证服务验证WebUI打开浏览器访问http://你的服务器IP。应该能看到前端界面。验证模型API直接访问http://你的服务器IP:7860如果模型服务暴露了API文档如Swagger UI或Gradio界面或者通过前端界面发起一个简单的图像生成请求。验证数据库和Redis可以进入容器内部进行验证# 进入MySQL容器 docker-compose exec mysql mysql -u ai_app_user -p # 输入密码后执行 SHOW DATABASES; 查看数据库是否存在 # 进入Redis容器 docker-compose exec redis redis-cli -a your_redis_password_here # 输入密码后执行 PING应该返回 PONG5.4 日常管理命令停止所有服务docker-compose down。这会停止并移除所有容器、网络但不会移除数据卷。停止并移除数据卷docker-compose down -v。警告这会删除MySQL和Redis的持久化数据重启某个服务docker-compose restart ai-model。重新构建并启动例如修改了镜像或Compose文件后docker-compose up -d --build。查看资源使用docker-compose top。6. 总结与进阶思考走完这一趟你应该已经成功在自有服务器上用Docker Compose搭建起了一个功能相对完整的AI应用栈。从单一的模型服务到包含数据库、缓存、前端的微服务架构Compose让这一切变得清晰、可重复和易于管理。这种方式的优势很明显环境隔离、一键部署、易于扩展。比如未来如果流量增大你可以很方便地修改Compose文件为ai-model服务增加副本数结合Docker Swarm或Kubernetes或者把MySQL替换成云数据库服务。当然这只是个起点。在实际生产环境中你还需要考虑更多安全性使用更安全的密码管理方式如Docker Secrets或外部配置文件限制不必要的端口暴露。监控与日志将容器的日志集中收集到ELK或Loki等系统并设置监控告警。CI/CD将docker-compose.yml和构建镜像的Dockerfile纳入版本控制实现自动化部署。性能调优根据服务器资源调整各个容器的CPU/内存限制使用cpus,mem_limit等配置。希望这篇进阶指南能帮你打开思路不再局限于平台的一键部署而是能灵活地将强大的AI模型能力集成到你自己的系统架构中。动手试试吧从这套模板开始定制属于你自己的AI应用栈。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
