AI 时代,微服务不该再被"部署复杂"劝退——QuickBlue 用 3 条命令,把整套微服务装进 Docker
本文是 QuickBlue-MicroAI 的部署理念与实践介绍。如果你只想直接上手,跳到文末的"3 条命令速查"即可。
一、微服务之争,争的其实不是架构
二、把"劝退环节"变成 3 条命令
-
很多团队对微服务望而却步,第一反应不是"写代码难",而是:
-
一套环境要装 MySQL、Redis、Nacos,版本还得互相匹配;
-
十来个服务,先启动谁后启动谁?启动顺序错了就是一堆连接超时;
-
数据库建表脚本、Nacos 配置模板,哪个环境漏导一条,问题就藏在运行期才爆;
-
换台服务器重新来一遍……
-
QuickBlue 的回答是: 这不该是用户的事。整个框架的 Docker 一键部署方案,把上面这些全部收敛进编排文件——
cp .env.example .env # ① 准备环境变量
bash build.sh --all # ② 全量构建 + 分层启动
# ③ 打开 http://服务器IP:8088,跟着安装向导走完即用
三、这 3 条命令的背后,编排替你做了什么
打开 deploy/docker-compose.yml,是一套围绕"首次部署零人工干预"设计的编排:13 个服务定义,其中 11 个常驻容器,外加两个"干完活就退出"的一次性初始化任务。
1. 数据库:首启自动建库导数
MySQL 容器首次启动时,init-mysql.sh 自动执行框架仓库里的 01~05 全部 SQL 脚本——建 4 个业务库、授权专用账号、导入全部表结构与种子数据。你不需要打开任何数据库客户端,也不存在"漏导了哪个脚本"这回事。
2. 配置中心:配置自动进 Nacos
nacos-init 一次性容器等待 Nacos 健康后,自动创建 QuickBlue-dev 命名空间,把 nacos_config/common(共享配置)与 nacos_config/services(各服务配置)全部导入。微服务最容易被诟病的"配置散落",在这里被收敛成一个模板目录。
3. 启动顺序:分层错峰,等健康再继续
start-staged.sh 把启动拆成 5 个阶段:
基础设施(mysql/redis/nacos)→ 配置导入 → 核心(gateway/admin)
→ 业务(system/business/support/ai)→ 前端
每个服务都定义了健康探针(/actuator/health/readiness),上一层全部 healthy 才拉起下一层,避免十来个 JVM 同时初始化把 CPU 和内存打满;depends_on 的 service_completed_successfully 还保证了"配置没导入完,业务服务绝不会提前启动"。
4. 版本选择:不求新,求稳
Nacos 固定 v2.4.3——与后端客户端版本完全一致;MySQL 8.0、Redis 7、JDK 21,全部是各自的主流稳定版。部署工具链最怕"上游 latest 悄悄变了",所以镜像版本一律钉死。
5. 发布改动:不用全量重来.是否全量,由参数–all来决定
日常迭代不需要 --all。
改了 AI 服务和前端?:
bash build.sh ai frontend
只重建这两个镜像并原地重启,其余服务纹丝不动。改一行前端就把 8 个后端重新打包一遍的事,不会发生。
6. 可选能力按需拉起
bash scripts/start-staged.sh --profile ollama
ollama-init 自动拉取 nomic-embed-text 嵌入模型并持久化到数据卷。不需要本地大模型时,不启用即可——编排不把可选项变成必选项。
四、"能跑起来"之外:生产就绪的细节
-
一键部署最容易做成"demo 能跑就行",QuickBlue 没有这样做:
-
资源约束:每个容器都有 mem_limit / cpus 限制,单服务异常不会拖垮整机;
-
日志治理:全局 json-file 驱动,单文件 20MB、保留 5 份,日志不会撑爆磁盘;
-
统一入口与观测:网关聚合全部服务路由,Knife4j 文档中心经前端同源反代开箱即用(http://服务器IP:8088/docs/),Spring Boot Admin 监控中心(9090)看全部服务状态;
-
数据安全边界:docker compose down 只删容器不删数据(数据全在命名卷),down -v 才是彻底重置——误操作损失被限制在明确的命令语义里;
-
安全默认值:SM4 接口加解密密钥、Redis 密码、数据库密码全部显式声明,注释里写清"生产必改"和改了要联动什么。
五、回到那个判断
单体与微服务之争,胜负从来不在架构图上,而在工程成本曲线上。当部署收敛为 3 条命令、初始化零人工干预、发布按服务增量、排障有统一的健康探针和日志入口——微服务的"复杂"就被工具消化掉了大半。剩下的部分,正是 AI 擅长的:读代码、看链路、查配置、定位异常。
六、开源协议
本项目基于 Apache 2.0 协议开源,遵循开放、共享的开源精神,可免费用于商业与学习场景。
git clone https://gitee.com/ossbar/QuickBlue-MicroAI.git
# 或
git clone https://github.com/58ossbar/QuickBlue-MicroAI.git
欢迎 Star ⭐ 支持,使用中遇到问题请提 Issue。开源不易,感谢每一位同行者。
## 附:3 条命令速查
```bash
# 首次部署
cd deploy
cp .env.example .env # 生产环境修改密码与密钥
bash build.sh --all # 全量构建 + 分层启动(首次约 20~40 分钟)
# 日常发布(只重建有改动的服务,支持短名)
bash build.sh ai frontend
# 整机重启后拉起
bash scripts/start-staged.sh
# 可选:本地嵌入模型(离线知识库向量化)
bash scripts/start-staged.sh --profile ollama
```