11. 交付与运维

11.1 一键部署

部署方案

智能制造/工业4.0解决方案采用容器化部署，支持一键部署到Kubernetes集群：

Docker化部署

Dockerfile示例：

# 基础镜像
FROM python:3.11-slim

# 设置工作目录
WORKDIR /app

# 安装系统依赖
RUN apt-get update && apt-get install -y \
    gcc \
    g++ \
    libopencv-dev \
    && rm -rf /var/lib/apt/lists/*

# 复制依赖文件
COPY requirements.txt .

# 安装Python依赖
RUN pip install --no-cache-dir -r requirements.txt

# 复制应用代码
COPY . .

# 暴露端口
EXPOSE 8000

# 启动命令
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

docker-compose.yml示例：

version: '3.8'

services:
  api:
    build: .
    ports:
      - "8000:8000"
    environment:
      - DATABASE_URL=postgresql://user:password@db:5432/manufacturing_ai
      - REDIS_URL=redis://redis:6379/0
      - INFLUXDB_URL=http://influxdb:8086
    depends_on:
      - db
      - redis
      - influxdb
  
  db:
    image: postgres:14
    environment:
      - POSTGRES_USER=user
      - POSTGRES_PASSWORD=password
      - POSTGRES_DB=manufacturing_ai
    volumes:
      - db_data:/var/lib/postgresql/data
  
  redis:
    image: redis:7-alpine
    volumes:
      - redis_data:/data
  
  influxdb:
    image: influxdb:2.7
    volumes:
      - influxdb_data:/var/lib/influxdb2

volumes:
  db_data:
  redis_data:
  influxdb_data:

Kubernetes部署

Deployment配置：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: manufacturing-ai-api
spec:
  replicas: 3
  selector:
    matchLabels:
      app: manufacturing-ai-api
  template:
    metadata:
      labels:
        app: manufacturing-ai-api
    spec:
      containers:
      - name: api
        image: manufacturing-ai:latest
        ports:
        - containerPort: 8000
        env:
        - name: DATABASE_URL
          valueFrom:
            secretKeyRef:
              name: db-secret
              key: url
        - name: REDIS_URL
          valueFrom:
            secretKeyRef:
              name: redis-secret
              key: url
        resources:
          requests:
            cpu: 500m
            memory: 1Gi
          limits:
            cpu: 2000m
            memory: 4Gi
        livenessProbe:
          httpGet:
            path: /health
            port: 8000
          initialDelaySeconds: 30
          periodSeconds: 10
        readinessProbe:
          httpGet:
            path: /ready
            port: 8000
          initialDelaySeconds: 10
          periodSeconds: 5

Service配置：

apiVersion: v1
kind: Service
metadata:
  name: manufacturing-ai-api
spec:
  selector:
    app: manufacturing-ai-api
  ports:
  - port: 80
    targetPort: 8000
  type: LoadBalancer

Ingress配置：

apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: manufacturing-ai-ingress
spec:
  rules:
  - host: manufacturing-ai.example.com
    http:
      paths:
      - path: /
        pathType: Prefix
        backend:
          service:
            name: manufacturing-ai-api
            port:
              number: 80

部署脚本

一键部署脚本

#!/bin/bash

# 一键部署脚本
set -e

echo "开始部署智能制造/工业4.0解决方案..."

# 检查环境
echo "检查环境..."
kubectl version --client
docker version

# 构建镜像
echo "构建Docker镜像..."
docker build -t manufacturing-ai:latest .

# 推送镜像（如果需要）
# docker push manufacturing-ai:latest

# 部署到Kubernetes
echo "部署到Kubernetes..."
kubectl apply -f k8s/

# 等待部署完成
echo "等待部署完成..."
kubectl wait --for=condition=available --timeout=300s deployment/manufacturing-ai-api

# 检查服务状态
echo "检查服务状态..."
kubectl get pods
kubectl get services

echo "部署完成！"

11.2 配置管理

环境配置

配置文件结构

config/
├── base.yaml          # 基础配置
├── development.yaml   # 开发环境配置
├── staging.yaml       # 预发布环境配置
└── production.yaml    # 生产环境配置

配置示例

# base.yaml
database:
  host: localhost
  port: 5432
  name: manufacturing_ai
  pool_size: 10

redis:
  host: localhost
  port: 6379
  db: 0

ai_models:
  scheduling_model:
    path: models/scheduling_model.pkl
    version: v2.0
  quality_model:
    path: models/quality_model.pkl
    version: v1.5
  maintenance_model:
    path: models/maintenance_model.pkl
    version: v2.1

# production.yaml
database:
  host: ${DB_HOST}
  port: ${DB_PORT}
  name: ${DB_NAME}
  username: ${DB_USER}
  password: ${DB_PASSWORD}

redis:
  host: ${REDIS_HOST}
  port: ${REDIS_PORT}
  password: ${REDIS_PASSWORD}

logging:
  level: INFO
  file: /var/log/app.log
  max_size: 100MB
  backup_count: 10

密钥管理

Kubernetes Secrets

apiVersion: v1
kind: Secret
metadata:
  name: db-secret
type: Opaque
stringData:
  url: postgresql://user:password@db:5432/manufacturing_ai
  username: user
  password: password

使用密钥

env:
- name: DATABASE_URL
  valueFrom:
    secretKeyRef:
      name: db-secret
      key: url

11.3 版本管理

版本控制

Git工作流

主分支（main）：
- 生产环境代码
- 稳定版本
- 保护分支
开发分支（develop）：
- 开发环境代码
- 功能开发
- 测试集成
功能分支（feature）：
- 新功能开发
- 从develop分支创建
- 完成后合并到develop
发布分支（release）：
- 版本发布准备
- 从develop分支创建
- 完成后合并到main和develop
热修复分支（hotfix）：
- 紧急修复
- 从main分支创建
- 完成后合并到main和develop

版本标签

语义化版本号：
- 格式：主版本号.次版本号.修订号（如v1.2.3）
- 主版本号：重大架构变更
- 次版本号：新功能添加
- 修订号：Bug修复
版本标签：
- 生产版本：v1.0.0
- 预发布版本：v1.0.0-rc1
- 开发版本：v1.0.0-dev

11.4 持续集成/持续部署

CI/CD流程

GitHub Actions配置

# .github/workflows/ci-cd.yml
name: CI/CD Pipeline

on:
  push:
    branches: [ main, develop ]
  pull_request:
    branches: [ main ]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v3
    - name: Set up Python
      uses: actions/setup-python@v4
      with:
        python-version: '3.11'
    - name: Install dependencies
      run: |
        pip install -r requirements.txt
        pip install pytest pytest-cov
    - name: Run tests
      run: |
        pytest --cov=app --cov-report=xml
    - name: Upload coverage
      uses: codecov/codecov-action@v3

  build:
    needs: test
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v3
    - name: Build Docker image
      run: |
        docker build -t manufacturing-ai:${{ github.sha }} .
    - name: Push to registry
      run: |
        docker tag manufacturing-ai:${{ github.sha }} registry.example.com/manufacturing-ai:${{ github.sha }}
        docker push registry.example.com/manufacturing-ai:${{ github.sha }}

  deploy:
    needs: build
    runs-on: ubuntu-latest
    if: github.ref == 'refs/heads/main'
    steps:
    - name: Deploy to Kubernetes
      run: |
        kubectl set image deployment/manufacturing-ai-api api=registry.example.com/manufacturing-ai:${{ github.sha }}

部署策略

蓝绿部署

部署方式：
- 蓝环境：当前生产环境
- 绿环境：新版本环境
- 切换：流量从蓝环境切换到绿环境
优势：
- 快速回滚
- 零停机部署
- 风险可控

金丝雀部署

部署方式：
- 逐步切换流量
- 先切换10%流量
- 验证无问题后逐步增加
优势：
- 风险分散
- 逐步验证
- 快速发现问题

11.5 运维管理

日常运维

监控检查

每日检查：
- 系统健康状态
- 服务可用性
- 资源使用情况
- 告警信息
每周检查：
- 性能指标分析
- 日志分析
- 安全扫描
- 备份验证

备份管理

数据备份：
- 数据库每日全量备份
- 增量备份每6小时一次
- 备份保留30天
配置备份：
- 配置文件备份
- 密钥备份
- 备份验证

日志管理

日志收集：
- 应用日志收集
- 系统日志收集
- 日志分析
日志清理：
- 定期清理旧日志
- 日志归档
- 日志压缩

故障处理

故障分类

P0故障：
- 服务完全不可用
- 数据丢失
- 安全漏洞
P1故障：
- 服务部分不可用
- 性能严重下降
- 功能异常
P2故障：
- 功能受限
- 性能轻微下降
- 用户体验影响

故障处理流程

故障发现：
- 监控告警
- 用户报告
- 主动检查
故障评估：
- 评估故障严重程度
- 评估影响范围
- 制定处理计划
故障处理：
- 隔离故障
- 修复问题
- 恢复服务
故障总结：
- 分析故障原因
- 总结经验教训
- 改进措施

性能优化

性能分析

性能监控：
- CPU使用率
- 内存使用率
- 磁盘I/O
- 网络I/O
性能分析：
- 识别性能瓶颈
- 分析性能问题
- 制定优化方案

优化措施

代码优化：
- 算法优化
- 代码重构
- 性能测试
架构优化：
- 缓存优化
- 数据库优化
- 负载均衡优化

11.1 一键部署​

部署方案​

Docker化部署​

Kubernetes部署​

部署脚本​

一键部署脚本​

11.2 配置管理​

环境配置​

配置文件结构​

配置示例​

密钥管理​

Kubernetes Secrets​

使用密钥​

11.3 版本管理​

版本控制​

Git工作流​

版本标签​

11.4 持续集成/持续部署​

CI/CD流程​

GitHub Actions配置​

部署策略​

蓝绿部署​

金丝雀部署​

11.5 运维管理​

日常运维​

监控检查​

备份管理​

日志管理​

故障处理​

故障分类​

故障处理流程​

性能优化​

性能分析​

优化措施​

11.1 一键部署

部署方案

Docker化部署

Kubernetes部署

部署脚本

一键部署脚本

11.2 配置管理

环境配置

配置文件结构

配置示例

密钥管理

Kubernetes Secrets

使用密钥

11.3 版本管理

版本控制

Git工作流

版本标签

11.4 持续集成/持续部署

CI/CD流程

GitHub Actions配置

部署策略

蓝绿部署

金丝雀部署

11.5 运维管理

日常运维

监控检查

备份管理

日志管理

故障处理

故障分类

故障处理流程

性能优化

性能分析

优化措施