线上部署fastgpt

### 线上部署 FastGPT 指南

#### 准备工作
为了成功地在线上环境中部署 FastGPT，需先完成一系列准备工作。这包括但不限于环境配置、依赖安装以及模型准备等前置条件[^1]。

#### 配置服务器环境
选择合适的云服务提供商来托管应用程序非常重要。常见的选项有 AWS、Google Cloud 或者阿里云等平台。选定之后，在所选平台上创建虚拟机实例并设置好操作系统版本（推荐使用 Ubuntu LTS 版本）。接着通过 SSH 登录到该机器，并更新系统包列表：

sudo apt update && sudo apt upgrade -y

#### 安装必要的依赖项
确保 Python 和 pip 已经被正确安装。对于 FastAPI 及其相关库来说，建议采用 Poetry 来管理项目的依赖关系。因此还需要安装 poetry:

curl -sSL https://install.python-poetry.org | python3 -
export PATH="$HOME/.local/bin:$PATH"
poetry config virtualenvs.create true

#### 获取 FastGPT 应用源码
从 GitHub 上克隆官方仓库至本地目录下，切换分支至稳定版发布标签页。如果打算参与贡献，则可以 fork 一份属于自己的副本再操作。

git clone git@github.com:<your-repo>/fastgpt.git
cd fastgpt
git checkout v0.x.y    # 替换成实际存在的tag名称

#### 构建与测试应用
利用 Dockerfile 文件构建镜像文件之前，应该先进入项目根路径执行 `poetry install` 命令以下载所需的Python模块；随后按照文档指示编写适合生产环境使用的 `.env` 文件。最后一步是运行单元测试案例集验证一切正常运作无误。

poetry shell
pip install -r requirements.txt
pytest tests/

#### 使用容器化技术打包应用
Docker 是目前最为流行的容器解决方案之一。在项目内找到名为 `Dockerfile` 的文本档，根据其中定义好的指令逐步制作出可移植性强的应用程序映象档案。完成后推送到私有的或公共的注册中心保存起来以便后续调用。

FROM tiangolo/uvicorn-gunicorn-fastapi:python3.9-slim

COPY . /app
WORKDIR /app

RUN pip install --no-cache-dir -q -U pip \
&& pip install --no-cache-dir -r ./requirements.txt 

EXPOSE 80
CMD ["uvicorn", "main:app", "--host", "0.0.0.0"]

#### 设置反向代理及负载均衡器
Nginx 不仅能作为静态资源分发服务器还能充当优秀的 HTTP(S) 流量调度员角色。编辑站点可用配置模板加入 location 路径匹配规则指向后端 API 接口地址即可实现此功能。另外记得开启 SSL/TLS 加密传输保障数据安全交换过程中的隐私性。

server {
    listen       443 ssl;
    server_name  example.com;

    ssl_certificate      cert.pem;
    ssl_certificate_key  key.pem;

    location / {
        proxy_pass http://localhost:80/;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

#### 自动化运维流程
借助 CI/CD 平台如 Jenkins/GitLab CI 实现持续集成和交付机制能够极大提高开发效率降低人为失误风险。编写 YAML 格式的流水线脚本来描述各个阶段的任务逻辑顺序，当代码提交触发事件发生时自动触发相应动作直至最终产物上线为止。

stages:
  - build
  - test
  - deploy

build_image:
  stage: build
  script:
    - docker login ...
    - docker build .
    - docker push ...

run_tests:
  stage: test
  script:
    - pytest .

deploy_to_production:
  only:
    - master
  when: manual
  stage: deploy
  script:
    - kubectl apply -f deployment.yaml