eosphorosai/dbgpt-openai Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

DB-GPT Proxy (CPU) 镜像文档

一、镜像概述

DB-GPT Proxy (CPU) 镜像是一个轻量级Docker镜像，专为DB-GPT项目设计，仅包含代理模型组件，且完全基于CPU运行。该镜像专注于提供模型请求的代理、路由与管理功能，作为DB-GPT生态中的请求中转层，简化模型服务的接入与流量控制，适用于无GPU资源或资源受限的环境。

二、核心功能和特性

2.1 核心功能

• 请求代理与转发：接收客户端请求并转发至后端模型服务，支持多模型服务的路由分发。
• 请求管理：包含基础的请求验证、超时控制、负载均衡（简易版）功能。
• 轻量级中转：专注于代理逻辑，无冗余组件，降低资源占用。

2.2 关键特性

• 轻量级设计：镜像体积小，启动速度快，运行时资源占用低（内存、CPU）。
• 纯CPU支持：无需GPU环境，可在普通CPU服务器或开发机上运行。
• 配置灵活：通过环境变量动态调整代理行为（端口、后端地址、日志级别等）。
• DB-GPT兼容：与DB-GPT项目的模型服务组件无缝对接，遵循统一接口规范。

三、使用场景和适用范围

3.1 典型场景

• 开发与测试环境：快速搭建DB-GPT代理服务，验证模型请求流程。
• CPU资源受限场景：部署在无GPU的服务器或边缘设备（如开发机、低配置云服务器）。
• 分布式部署：作为DB-GPT分布式架构的前端代理节点，转发请求至后端多模型服务。
• 轻量级模型服务：构建仅需代理功能的简化版DB-GPT服务（无需完整的知识库或UI组件）。

3.2 适用范围

• 对GPU资源无依赖的场景。
• 需要请求转发、负载均衡或流量控制的模型服务架构。
• DB-GPT项目的轻量化部署或组件化集成。

四、使用方法和配置说明

4.1 前置要求

• 已安装Docker Engine（20.10+版本）。
• 网络可访问后端模型服务（DB-GPT模型服务或兼容API的模型服务）。

4.2 获取镜像

假设镜像托管于Docker Hub（实际请替换为官方仓库地址）：

bash
docker pull dbgpt/proxy-cpu:latest

4.3 快速启动（docker run）

通过docker run命令启动容器，需指定端口映射和后端模型服务地址：

bash
docker run -d \
  --name dbgpt-proxy \
  -p 8000:8000 \  # 宿主机端口:容器内代理端口
  -e PROXY_PORT=8000 \  # 容器内代理服务端口（默认8000）
  -e BACKEND_MODEL_URL="[***]" \  # 后端模型服务地址（必填）
  -e LOG_LEVEL="INFO" \  # 日志级别（默认INFO，可选：DEBUG/WARN/ERROR）
  -e REQUEST_TIMEOUT=30 \  # 请求超时时间（秒，默认30）
  dbgpt/proxy-cpu:latest

4.4 docker-compose配置示例

创建docker-compose.yml文件，定义代理服务及依赖（如后端模型服务，此处假设后端模型服务已独立部署）：

yaml
version: '3.8'
services:
  dbgpt-proxy:
    image: dbgpt/proxy-cpu:latest
    container_name: dbgpt-proxy
    ports:
      - "8000:8000"  # 代理服务端口映射
    environment:
      - PROXY_PORT=8000
      - BACKEND_MODEL_URL="[***]"  # 后端模型服务地址（需替换为实际地址）
      - LOG_LEVEL="INFO"
      - REQUEST_TIMEOUT=30
    restart: unless-stopped
    networks:
      - dbgpt-network  # 与后端模型服务共享网络（确保通信）

networks:
  dbgpt-network:
    driver: bridge

启动命令：docker-compose up -d

4.5 配置参数说明（环境变量）

4.6 端口说明

• 容器内默认暴露端口：8000（代理服务端口，可通过PROXY_PORT调整）。
• 宿主机需映射此端口（如-p 8000:8000）以对外提供服务。

五、注意事项

• 无GPU支持：镜像仅支持CPU运行，不可用于依赖GPU的代理加速场景。
• 后端依赖：需确保BACKEND_MODEL_URL指向可用的DB-GPT模型服务（或兼容API的模型服务），否则代理无法正常转发请求。
• 网络连通性：容器需与后端模型服务处于同一网络（或通过公网地址访问），建议使用Docker网络（如bridge、overlay）确保通信。