11. 交付与运维

11.1 一键部署

部署方案

智能媒体/内容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/media_ai
      - REDIS_URL=redis://redis:6379/0
      - VECTOR_DB_URL=http://milvus:19530
    depends_on:
      - db
      - redis
      - milvus
  
  db:
    image: postgres:14
    environment:
      - POSTGRES_USER=user
      - POSTGRES_PASSWORD=password
      - POSTGRES_DB=media_ai
    volumes:
      - db_data:/var/lib/postgresql/data
  
  redis:
    image: redis:7-alpine
    volumes:
      - redis_data:/data
  
  milvus:
    image: milvusdb/milvus:v2.3.0
    volumes:
      - milvus_data:/var/lib/milvus

volumes:
  db_data:
  redis_data:
  milvus_data:

Kubernetes部署

Deployment配置：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: media-ai-api
spec:
  replicas: 5
  selector:
    matchLabels:
      app: media-ai-api
  template:
    metadata:
      labels:
        app: media-ai-api
    spec:
      containers:
      - name: api
        image: media-ai-api:latest
        ports:
        - containerPort: 8000
        env:
        - name: DATABASE_URL
          valueFrom:
            secretKeyRef:
              name: media-ai-secrets
              key: database-url
        - name: REDIS_URL
          valueFrom:
            secretKeyRef:
              name: media-ai-secrets
              key: redis-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: media-ai-api
spec:
  selector:
    app: media-ai-api
  ports:
  - port: 80
    targetPort: 8000
  type: LoadBalancer

Ingress配置：

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

11.2 CI/CD流程

持续集成

GitLab CI配置

stages:
  - test
  - build
  - deploy

variables:
  DOCKER_IMAGE: registry.example.com/media-ai-api
  DOCKER_TAG: $CI_COMMIT_SHORT_SHA

test:
  stage: test
  image: python:3.11
  script:
    - pip install -r requirements.txt
    - pytest --cov=media_ai --cov-report=html
  coverage: '/TOTAL.*\s+(\d+%)$/'
  artifacts:
    reports:
      coverage_report:
        coverage_format: cobertura
        path: coverage.xml

build:
  stage: build
  image: docker:latest
  services:
    - docker:dind
  script:
    - docker build -t $DOCKER_IMAGE:$DOCKER_TAG .
    - docker push $DOCKER_IMAGE:$DOCKER_TAG
    - docker tag $DOCKER_IMAGE:$DOCKER_TAG $DOCKER_IMAGE:latest
    - docker push $DOCKER_IMAGE:latest
  only:
    - main
    - develop

deploy:
  stage: deploy
  image: bitnami/kubectl:latest
  script:
    - kubectl set image deployment/media-ai-api api=$DOCKER_IMAGE:$DOCKER_TAG
    - kubectl rollout status deployment/media-ai-api
  only:
    - main
  environment:
    name: production

持续部署

部署策略

• 蓝绿部署：

  • 部署新版本到绿色环境
  • 切换流量到绿色环境
  • 保留蓝色环境作为回滚

• 金丝雀部署：

  • 部署新版本到部分实例
  • 逐步增加流量
  • 监控指标，决定是否全量发布

• 滚动更新：

  • 逐步更新实例
  • 保证服务可用性
  • 自动回滚机制

11.3 运维管理

日常运维

监控和告警

• 系统监控：

  • CPU、内存、磁盘监控
  • 网络流量监控
  • 服务健康监控

• 业务监控：

  • API性能监控
  • 业务指标监控
  • 错误率监控

• 告警处理：

  • 告警规则配置
  • 告警通知发送
  • 告警处理流程

日志管理

• 日志收集：

  • 应用日志收集
  • 系统日志收集
  • 访问日志收集

• 日志分析：

  • 日志查询
  • 日志分析
  • 日志告警

备份和恢复

• 数据备份：

  • 数据库备份（每日全量备份，每小时增量备份）
  • 对象存储备份（每日备份）
  • 配置文件备份（每次变更备份）

• 数据恢复：

  • 恢复流程
  • 恢复测试
  • 恢复演练

故障处理

故障分类

• P0故障：系统完全不可用，立即处理
• P1故障：核心功能不可用，1小时内处理
• P2故障：部分功能不可用，4小时内处理
• P3故障：非核心功能问题，24小时内处理

故障处理流程

1. 故障发现：监控告警、用户反馈
2. 故障定位：日志分析、性能分析
3. 故障处理：修复问题、恢复服务
4. 故障总结：故障分析、改进措施

容量规划

资源规划

• 计算资源：

  • 根据业务量规划实例数量
  • 预留20-30%的容量余量
  • 支持快速扩容

• 存储资源：

  • 根据数据量规划存储容量
  • 预留30-50%的容量余量
  • 数据生命周期管理

• 网络资源：

  • 根据流量规划带宽
  • 使用CDN减少带宽压力
  • 预留20-30%的带宽余量

扩容计划

• 自动扩容：

  • 基于监控指标自动扩容
  • 扩容阈值配置
  • 扩容速度控制

• 手动扩容：

  • 重大活动前手动扩容
  • 扩容计划制定
  • 扩容后验证

11.4 运维工具

运维平台

监控平台

• Prometheus + Grafana：
  • 指标收集和存储
  • 指标可视化
  • 告警配置

日志平台

• ELK Stack：
  • 日志收集（Logstash）
  • 日志存储（Elasticsearch）
  • 日志分析（Kibana）

追踪平台

• Jaeger：
  • 分布式追踪
  • 性能分析
  • 依赖分析

自动化工具

部署工具

• Helm：Kubernetes应用部署
• Terraform：基础设施即代码
• Ansible：配置管理

监控工具

• Prometheus Operator：Prometheus自动化管理
• AlertManager：告警管理
• Blackbox Exporter：黑盒监控