我用 Docker 部署了一套完整的 AI 应用：从本地开发到云端上线，全流程踩坑记录
适合想把本地 AI 项目部署到线上、但被 Docker/部署流程搞晕的开发者。
本文从 Dockerfile 编写到 docker-compose 编排到云端部署，附完整的踩坑记录。
背景：本地跑得好好的，部署就炸
很多人有这个经历：本地开发环境一切正常，一部署到服务器就各种报错。
“在我电脑上能跑啊”——这是部署环节最经典的问题。
Docker 解决的就是这个问题：把你的代码、依赖、配置打包成一个标准化的容器，在任何环境都能跑。
阶段 1：编写 Dockerfile
Python 应用的 Dockerfile
# 基础镜像（用 slim 版减小体积） FROM python:3.12-slim # 设置工作目录 WORKDIR /app # 先复制依赖文件（利用 Docker 缓存层） COPY requirements.txt . # 安装依赖 RUN pip install --no-cache-dir -r requirements.txt # 复制项目代码 COPY . . # 暴露端口 EXPOSE 8000 # 启动命令 CMD ["python", "app.py"]多阶段构建（减小镜像体积）
# 阶段 1：构建 FROM python:3.12 as builder WORKDIR /app COPY requirements.txt . RUN pip install --user --no-cache-dir -r requirements.txt # 阶段 2：运行（只复制必要的文件） FROM python:3.12-slim WORKDIR /app COPY --from=builder /root/.local /root/.local COPY . . ENV PATH=/root/.local/bin:$PATH EXPOSE 8000 CMD ["python", "app.py"]效果：镜像从 1.2GB 减小到 300MB。
阶段 2：docker-compose 编排
一个 AI 应用通常需要多个服务（前端 + 后端 + 数据库 + 模型服务）。
version:'3.8'services:# 后端 APIbackend:build:./backendports:-"8000:8000"environment:-DATABASE_URL=postgresql://user:pass@db:5432/mydb-MODEL_URL=http://model:11434depends_on:db:condition:service_healthymodel:condition:service_startedrestart:unless-stopped# 前端frontend:build:./frontendports:-"80:80"depends_on:-backendrestart:unless-stopped# 数据库db:image:postgres:16environment:POSTGRES_USER:userPOSTGRES_PASSWORD:passPOSTGRES_DB:mydbvolumes:-pgdata:/var/lib/postgresql/datahealthcheck:test:["CMD-SHELL","pg_isready -U user"]interval:5stimeout:5sretries:5restart:unless-stopped# AI 模型服务（Ollama）model:image:ollama/ollamavolumes:-ollama_data:/root/.ollamaports:-"11434:11434"restart:unless-stoppedvolumes:pgdata:ollama_data:启动：
# 一键启动所有服务docker-composeup-d# 查看状态docker-composeps# 查看日志docker-composelogs-fbackend阶段 3：环境变量管理
不要把密钥写在代码里，用环境变量。
# docker-compose.ymlservices:backend:environment:-OPENAI_API_KEY=${OPENAI_API_KEY}-DATABASE_URL=${DATABASE_URL}env_file:-.env# .env 文件（不要提交到 Git）OPENAI_API_KEY=sk-xxxxxDATABASE_URL=postgresql://user:pass@db:5432/mydb# .gitignore.env阶段 4：数据持久化
Docker 容器重启后数据会丢失。用 Volume 持久化。
services:db:volumes:-pgdata:/var/lib/postgresql/data# 数据库数据model:volumes:-ollama_data:/root/.ollama# AI 模型文件backend:volumes:-./uploads:/app/uploads# 用户上传的文件-./logs:/app/logs# 日志文件volumes:pgdata:ollama_data:阶段 5：健康检查
确保服务真正可用，不只是"容器在运行"。
services:db:healthcheck:test:["CMD-SHELL","pg_isready -U user"]interval:5stimeout:5sretries:5backend:healthcheck:test:["CMD","curl","-f","http://localhost:8000/health"]interval:10stimeout:5sretries:3depends_on:db:condition:service_healthy# 数据库健康后才启动后端阶段 6：云端部署
方案 1：VPS（最简单）
# 在服务器上安装 Dockercurl-fsSLhttps://get.docker.com|sh# 上传项目scp-r./project user@server:/app/# 启动sshuser@server"cd /app && docker-compose up -d"方案 2：云容器服务
# 推送镜像到云端仓库dockertag myapp:latest registry.example.com/myapp:latestdockerpush registry.example.com/myapp:latest# 在云控制台创建服务，指定镜像地址方案 3：CI/CD 自动部署
# .github/workflows/deploy.ymlname:Deployon:push:branches:[main]jobs:deploy:runs-on:ubuntu-lateststeps:-uses:actions/checkout@v4-name:Build and pushrun:|docker build -t myapp:${{ github.sha }} . docker tag myapp:${{ github.sha }} registry.example.com/myapp:latest docker push registry.example.com/myapp:latest-name:Deployrun:|ssh user@server "cd /app && docker-compose pull && docker-compose up -d"踩坑记录
坑 1：Dockerfile 缓存失效
症状：每次构建都要重新安装所有依赖，很慢。
原因：COPY . .放在pip install前面，代码一改依赖层就失效。
解决：先COPY requirements.txt，再pip install，最后COPY . .。
坑 2：容器内访问不到其他服务
症状：后端连接数据库报 “Connection refused”。
原因：用了localhost，但容器内的 localhost 是自己，不是宿主机。
解决：用 docker-compose 的服务名（如db）作为主机名。
# 错误DATABASE_URL="postgresql://user:pass@localhost:5432/mydb"# 正确DATABASE_URL="postgresql://user:pass@db:5432/mydb"坑 3：.dockerignore 没写
症状：镜像有 2GB，包含了node_modules、.git、venv等无关文件。
解决：创建.dockerignore：
node_modules .git venv __pycache__ *.pyc .env坑 4：数据库数据丢失
症状：docker-compose down后数据库数据全没了。
原因：没用 Volume 持久化。
解决：用docker-compose down不加-v参数（保留 Volume），或者用 named volume。
# 保留数据docker-composedown# 删除数据（慎用！）docker-composedown-v坑 5：模型文件太大，镜像构建超时
症状：AI 模型文件有 5GB，Docker 构建时下载超时。
解决：模型文件不打包进镜像，用 Volume 挂载或者运行时下载。
坑 6：Nginx 反向代理配置错误
症状：前端能访问，但 API 请求 404。
原因：Nginx 没有正确代理/api路径到后端。
解决：
server { listen 80; location / { root /usr/share/nginx/html; try_files $uri $uri/ /index.html; } location /api/ { proxy_pass http://backend:8000/; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } }踩坑总结表
| 坑 | 症状 | 解决 |
|---|---|---|
| 缓存失效 | 构建慢 | 先 COPY requirements.txt |
| localhost 不通 | 连接拒绝 | 用服务名替代 localhost |
| 没写 .dockerignore | 镜像巨大 | 排除 node_modules/.git |
| 数据丢失 | down 后数据没了 | 用 Volume 持久化 |
| 模型太大 | 构建超时 | Volume 挂载模型 |
| Nginx 配置 | API 404 | 正确配置 proxy_pass |
总结
3 条核心经验：
Dockerfile 的 COPY 顺序很重要。先复制依赖文件再复制代码，利用缓存层加速构建。
用 docker-compose 管理多服务。不要手动
docker run，用 compose 文件声明所有服务的依赖关系和配置。Volume 持久化是必须的。数据库、模型文件、用户上传的文件都要用 Volume，否则容器重启数据就没了。
你部署 AI 应用时遇到过什么坑？评论区交流。
