跳到主要内容

集群部署

适合有独立 GPU/CPU 节点的场景。主节点部署核心服务，Worker 节点通过内网或公网连接。

架构​

┌─────────────────────────────────────────┐
│              主节点 (Main)                │
│  ┌─────────┬─────────┬─────────┐       │
│  │ Frontend│  Admin  │ Backend │       │
│  └─────────┴─────────┴─────────┘       │
│  ┌─────────┬─────────┬─────────┐       │
│  │PostgreSQL│  Redis  │  MinIO  │       │
│  └─────────┴─────────┴─────────┘       │
└──────────────────┬──────────────────────┘
                   │ 内网/公网
        ┌──────────┴──────────┐
        ▼                     ▼
┌───────────────┐     ┌───────────────┐
│  GPU Worker   │     │  CPU Worker   │
│  (训练/推理)   │     │  (回退/小模型) │
└───────────────┘     └───────────────┘

主节点部署​

# 1. 初始化
radstudioctl prod init --native

# 2. 编辑配置
vim .env

# 3. 启动基础设施
radstudioctl infra up

# 4. 申请 SSL
radstudioctl infra ssl

# 5. 部署应用
radstudioctl prod bootstrap
radstudioctl prod deploy

Worker 节点部署​

1. 初始化 Worker​

radstudioctl init

2. 编辑配置​

vim .env.training

配置项：

# 主节点连接
MAIN_NODE_URL=https://api.your-domain.com
INTERNAL_SERVICE_TOKEN=your_token

# Redis 连接（用于任务队列）
REDIS_HOST=main-node-ip
REDIS_PORT=6379
REDIS_PASSWORD=your_redis_password

# Worker 配置
WORKER_TYPE=gpu          # gpu / cpu
WORKER_CONCURRENCY=1     # 并发任务数

3. 启动 Worker​

# GPU Worker
radstudioctl cluster gpu up 1

# CPU Worker
radstudioctl cluster cpu up 1

网络要求​

端口服务方向
6379RedisWorker → Main
8000Backend APIWorker → Main
9000MinIOWorker → Main
警告
  • Redis 端口不应暴露到公网，建议通过 VPN 或内网连接
  • 内部服务通信使用 INTERNAL_SERVICE_TOKEN 认证

Worker 管理​

通过管理后台可以：

  • 查看所有 Worker 节点状态
  • 远程启用/停用 Worker
  • 查看 Worker 资源使用情况
  • 分配任务队列