容器化部署
Container Deployment
Docker Compose 多服务容器化部署方案，智能启动脚本自动管理服务生命周期
子问题
1.多服务编排
2.智能启动脚本
3.内部网络通信
4.卷挂载与配置注入
5.ML 模型大文件的 Docker 层缓存优化
6.异构运行时容器构建（Python+Node.js 混合）
7.配置单一源同步（.env → 多服务配置文件）
8.健康检查与自动故障恢复
各项目的解法1 solutions
Signals
横向对比
| 维度 | FastCode |
|---|---|
| 容器编排方式 | docker-compose 双服务编排，depends_on 控制启动顺序 |
| 镜像构建策略 | 三层缓存隔离：依赖层→ML模型预下载层→代码层 |
| 服务间通信 | Compose 内部 DNS 服务名解析，http://fastcode:8001 |
| 配置管理 | .env 单一配置源 + 启动脚本自动同步到各服务配置 |
| 生命周期管理 | 智能启动脚本 3 态检测（running/stopped/none）自适应操作 |
| 健康检查 | 启动后轮询 /health 端点，30×2s 超时，异常自动 restart |
| 卷挂载策略 | 配置:ro只读 + 数据可写 + 命名卷持久化会话 |
| 混合运行时 | FastCode(Python3.12+ML) + Nanobot(Python+Node.js) 异构容器 |
最佳实践
1.用 docker-compose 内部网络替代公网暴露实现服务间安全通信
2.将 ML 模型预下载作为独立 Docker 层，代码变更不触发模型重下载
3.用 3 态状态检测（running/stopped/none）实现一键自适应启动脚本
4.配置文件只读挂载(:ro)、数据目录可写挂载、命名卷持久化会话数据