Docker部署

概述

本文介绍如何使用 Docker Compose 一键部署 Mars AI Studio 的完整生产环境，涵盖后端、AI 异步任务队列、MySQL、Redis、Milvus 向量库以及 Nginx 反向代理 + 前端静态资源。

部署相关的所有文件位于 devops/ 目录：

devops/
├── deploy.sh                      # 统一部署入口脚本
└── docker/
    ├── docker-compose.prod.yaml   # 生产编排文件
    ├── backend/Dockerfile          # 后端镜像构建
    ├── mysql/import-mars-ai.sh     # MySQL 初始化导入脚本
    ├── nginx/nginx.conf            # 反向代理与静态资源服务
    ├── nginx/web/                  # 前端构建产物（dist）放置目录
    ├── nginx/ssl/                  # SSL 证书目录（可选）
    └── milvus/                     # Milvus standalone 独立编排（可选）

部署架构

整套服务通过 mars_ai_network 桥接网络互联，容器间使用服务名（如 mysql、redis、backend）互相访问。对外仅暴露 Nginx 的 80/443 端口，由 Nginx 统一转发 API 与托管前端。

后端（backend）与 AI 异步任务队列（ai-worker）共用同一镜像，前者提供 HTTP 接口，后者消费 arq 队列（文档解析、异步向量化等）。
前端不单独起服务，由 Nginx 直接托管 nginx/web 下的静态文件，并将 /api/v1 反向代理到后端。
有状态服务（MySQL、Redis、Milvus 及 etcd、MinIO）的数据全部挂载到宿主机目录，容器销毁后数据不丢失。

环境准备

一台具备至少 4 核、8GB 内存的 Linux 主机（Milvus standalone 较吃内存，compose 暂时设置 2GB 上限，按需调整）。下面以 Ubuntu Server 22.04 LTS 为例。

安装Docker

设置 Docker 的 apt 源

# 信任 Docker 的 GPG 公钥
sudo apt-get update && apt-get install ca-certificates curl gnupg -y
sudo install -m 0755 -d /etc/apt/keyrings

# 下面命令可能失败，多试几次
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# 添加仓库
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "${UBUNTU_CODENAME:-$VERSION_CODENAME}") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

安装Docker

apt-get update
apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin -y

# 安装成功后查看版本
docker version

设置开机启动

systemctl start docker
systemctl enable docker
systemctl status docker

设置镜像加速

配置镜像源

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": [
    "https://docker.1ms.run",
    "https://docker.xuanyuan.me",
    "https://docker.m.daocloud.io",
    "https://dislabaiot.xyz"
  ]
}
EOF

# 重启服务生效
sudo systemctl daemon-reload && sudo systemctl restart docker

# 查看配置结果
root@ubuntu22:/etc/docker# docker info
Client: Docker Engine - Community
 Version:    28.1.1
 Context:    default
 ...
 ...
 Registry Mirrors:
  https://docker.1ms.run/
  https://docker.xuanyuan.me/
  https://docker.m.daocloud.io/
  https://dislabaiot.xyz/
 Live Restore Enabled: false

部署步骤

生产环境配置

编辑后端生产环境变量 backend/env/.env.prod，至少确认以下关键项：

DATABASE_PASSWORD / REDIS_PASSWORD / MINIO_ROOT_PASSWORD：compose 会用它们初始化 MySQL、Redis、MinIO，生产环境务必改为强密码。
SECRET_KEY：JWT 签名密钥，生产必须覆盖默认值（可用 python -c "import secrets; print(secrets.token_urlsafe(48))" 生成）。

构建前端

确认配置文件 frontend/apps/web-ele/.env.production ，在开发环境构建前端

bash

# 本地开发环境构建，构建结果：frontend\apps\web-ele\dist.zip
cd frontend
pnpm build:ele

### 下面信息表示构建成功
#@vben/web-ele:build: ✓ built in 19.65s
#@vben/web-ele:build: ZIP file created: D:\workspace_ai\mars-ai-studio\frontend\apps\web-ele\dist.zip

执行部署脚本

以 Ubuntu Server 22.04 LTS 为例，以 root 用户 SSH 登录服务器，执行下面命令：

bash

# 下载最新代码到服务器
cd /opt
git clone https://gitee.com/abc/mars-ai-studio.git # 修改为自己的代码仓库
cd /opt/mars-ai-studio
git pull

# 手动上传前端产物dist.zip到下面目录，然后解压
cd /opt/mars-ai-studio/devops/docker/nginx/web/ 
# （手动上传dist.zip ，过程略）
apt install unzip # 第一次安装解压工具
unzip dist.zip # 解压

# 执行完整部署（构建 → 备份 → 迁移 → 启动 → 清理），第一次部署约15~30分钟
cd /opt/mars-ai-studio/devops
bash /opt/mars-ai-studio/devops/deploy.sh

部署后配置

浏览器登录：http://<服务器IP> 默认账号 admin / admin123

文件管理--文件配置，修改本地存储的自定义域名。填写服务器IP与端口（80端口则省略），示例：http://192.168.0.77
（如果使用知识库功能）AI大模型--API密钥，Ollama 嵌入模型，填写正确的 BASE URL。指向Ollama服务器，示例：http://192.168.0.241:11434
（可选）开发环境backend\static\upload目录下的文件，默认没有上传到服务器。如果需要，自行复制到服务的/opt/docker-data/backend/upload目录。

日常运维

数据持久化

所有有状态数据挂载到 DOCKER_DATA_DIR（默认 /opt/docker-data）下。Docker 数据目录配置位置：backend/env/.env.prod

bash

# 建议保持默认
DOCKER_DATA_DIR=/opt/docker-data

目录用途

子目录	用途
`mysql/data`	MySQL 数据文件
`mysql/backup`	mysqldump 备份（gzip）
`redis/data`	Redis AOF 持久化
`milvus/etcd`	etcd 元数据
`milvus/minio`	MinIO 对象存储（Milvus 依赖）
`milvus/data`	Milvus 向量数据
`backend/logs`	后端日志（挂载到容器 `/app/logs`）
`backend/upload`	上传文件（挂载到容器 `/app/static/upload`）

bash

# 数据目录
root@ubuntu22:~# tree -L 2 /opt/docker-data
/opt/docker-data
├── backend
│   ├── logs
│   └── upload
├── milvus
│   ├── data
│   ├── etcd
│   └── minio
├── mysql
│   ├── backup
│   └── data
└── redis
    └── data

docker compose down（或脚本 destroy）只删除容器与网络，数据保留在宿主机；删除数据需手动清理相应目录下数据。

DANGER

生产环境清理数据，属于高危操作！务必先对数据进行备份，再操作！

部署脚本命令

部署脚本位于仓库根目录下的 devops/deploy.sh，所有命令执行前都会先加载 backend/env/.env.prod 环境变量

bash

# 进入仓库根目录
cd /opt/mars-ai-studio

# 完整部署（构建 → 备份 → 迁移 → 启动 → 清理）
bash devops/deploy.sh

# 启动 / 停止 / 重启 / 销毁
bash devops/deploy.sh start
bash devops/deploy.sh stop
bash devops/deploy.sh restart
bash devops/deploy.sh destroy

# 查看状态与日志
bash devops/deploy.sh verify
bash devops/deploy.sh logs

# 数据库备份与迁移
bash devops/deploy.sh backup
bash devops/deploy.sh migrate

docker命令

# 查看各服务状态
docker ps
docker compose -f /opt/mars-ai-studio/devops/docker/docker-compose.prod.yaml ps

# 查看容器最后50条日志
docker logs -n 50 mars-ai-backend

# 查看容器内部进程
docker top mars-ai-backend

# 查看容器详细信息
docker inspect mars-ai-backend

# 进入容器
docker exec -it mars-ai-backend /bin/bash

端口与资源

对外暴露端口由 .env.prod 控制：HTTP_PORT（默认 80）、HTTPS_PORT（默认 443）。

docker-compose.prod.yaml 为各服务设置内存上限，生产环境建议按实际负载调整。

MySQL 1GB
Redis 512MB
etcd 512MB
minio 512MB
Milvus 2GB
backend 2GB
ai-worker 2GB
nginx 256MB。

Docker部署 ​

概述 ​

部署架构 ​

环境准备 ​

安装Docker ​

设置镜像加速 ​

部署步骤 ​

生产环境配置 ​

构建前端 ​

执行部署脚本 ​

部署后配置 ​

日常运维 ​

数据持久化 ​

部署脚本命令 ​

docker命令 ​

端口与资源 ​

Docker部署

概述

部署架构

环境准备

安装Docker

设置镜像加速

部署步骤

生产环境配置

构建前端

执行部署脚本

部署后配置

日常运维

数据持久化

部署脚本命令

docker命令

端口与资源