沃巴蒂
ff22ed3a8b
本次同步 09-12 至 09-28 的代码变更，主要内容： 新增功能 - 修改密码：后端新增 ChangePasswordRequest DTO 与UserController/UserService 对应接口，前端新增 ChangePasswordDialog 并在 Header 接入入口 - 文件预览组件重构：file-preview 目录拆分出 VideoPreview（支持 blobUrl 直传）、 ImagePreview、AudioPreview，index.tsx 统一调度各类型预览器 - 新增 my_ops 算子模块：markitdown_parser、mineru_pdf_parser、text_quality_evaluator - 新增 tools/minio-file-server MinIO 文件服务 功能增强 - 数据清洗：cleaning_task_service/scheduler/routes 重构， data_juicer_executor 与 wrapper 增强，OperatorTable/LogsTable/TaskDetail 同步调整 - 数据标注：annotation sync.py、project.py 接口与schema 更新 - 数据采集、算子市场、首页与菜单路由相关页面调整 - DataJuicer 算子接入（useOperatorOperations、dj_ops_schema） 结构调整 - deepflow/ 更名为 deep-flow/（419 个文件重命名） - 新增 helm 部署编排、GitHub Actions 之外的自建镜像构建脚本 未纳入本次提交 - scripts-backup/、runtime/python-executor-backup/、components_backup/（备份目录） - *.backup*、__pycache__ 产物 - zh_core_web_sm-3.8.0-py3-none-any.whl（46MB 构建产物） - DataX/（内嵌独立仓库，远程亦未收录其源码）
80 lines
3.0 KiB
Docker
80 lines
3.0 KiB
Docker
# syntax=docker/dockerfile:1
|
|
FROM maven:3-eclipse-temurin-8-alpine AS datax-builder
|
|
|
|
# 仅安装必要的 git
|
|
RUN sed -i 's/dl-cdn.alpinelinux.org/mirrors.ustc.edu.cn/g' /etc/apk/repositories
|
|
RUN apk update && apk add --no-cache git
|
|
|
|
# 🟢 修改 1：恢复 git clone 下载完整源码，本地先git clone DataX
|
|
# RUN git clone https://github.com/alibaba/DataX.git
|
|
COPY DataX/ /DataX/
|
|
|
|
# 🟢 修改 2：注释掉 COPY，因为它覆盖了完整代码且不完整
|
|
COPY runtime/datax/ DataX/
|
|
|
|
# 🟢 优化 1：挂载 Maven 缓存 + 执行修复与编译
|
|
# 注意：这里恢复了之前讨论的 MySQL 驱动修复（sed），因为源码完整了，路径也就对了
|
|
RUN --mount=type=cache,target=/root/.m2 \
|
|
cd DataX && \
|
|
sed -i "s/com.mysql.jdbc.Driver/com.mysql.cj.jdbc.Driver/g" \
|
|
plugin-rdbms-util/src/main/java/com/alibaba/datax/plugin/rdbms/util/DataBaseType.java && \
|
|
mvn -U clean package assembly:assembly -Dmaven.test.skip=true
|
|
|
|
FROM python:3.12-slim
|
|
|
|
# 🟢 优化 2：挂载 APT 缓存，加速 apt-get update
|
|
RUN --mount=type=cache,target=/var/cache/apt \
|
|
--mount=type=cache,target=/var/lib/apt \
|
|
apt-get update && \
|
|
apt-get install -y --no-install-recommends vim openjdk-21-jre nfs-common glusterfs-client rsync dos2unix && \
|
|
rm -rf /var/lib/apt/lists/*
|
|
|
|
ENV PYTHONDONTWRITEBYTECODE=1 \
|
|
PYTHONUNBUFFERED=1 \
|
|
POETRY_VERSION=2.2.1 \
|
|
POETRY_NO_INTERACTION=1 \
|
|
POETRY_VIRTUALENVS_CREATE=false \
|
|
POETRY_CACHE_DIR=/tmp/poetry_cache
|
|
|
|
ENV JAVA_HOME=/usr/lib/jvm/java-21-openjdk
|
|
ENV PATH="/root/.local/bin:$JAVA_HOME/bin:$PATH"
|
|
|
|
WORKDIR /app
|
|
|
|
# 安装 Poetry
|
|
RUN pip install --upgrade --root-user-action=ignore pip \
|
|
&& pip install --root-user-action=ignore pipx \
|
|
&& pipx install "poetry==$POETRY_VERSION"
|
|
|
|
# 复制依赖文件
|
|
COPY runtime/deepdata-python/pyproject.toml runtime/deepdata-python/poetry.lock* /app/
|
|
|
|
# 🟢 优化 3：挂载 Poetry 缓存，避免重复下载 Python 包
|
|
RUN --mount=type=cache,target=$POETRY_CACHE_DIR \
|
|
poetry install --no-root --only main
|
|
|
|
# 🆕 新增：安装 Ray SDK (用于提交任务到 Ray 集群)
|
|
# 注意：使用 [default] 确保包含 job submission client
|
|
RUN pip install "ray[default]>=2.9.0"
|
|
|
|
# 下载 NLTK 数据
|
|
RUN python -c "import nltk; nltk.download(['punkt_tab','averaged_perceptron_tagger_eng'], download_dir='/usr/local/nltk_data')"
|
|
ENV NLTK_DATA=/usr/local/nltk_data
|
|
|
|
# 复制应用代码
|
|
COPY runtime/deepdata-python /app
|
|
COPY runtime/ops/examples/test_operator/test_operator.tar /app/test_operator.tar
|
|
|
|
COPY --from=datax-builder /DataX/target/datax/datax /opt/datax
|
|
RUN cp /opt/datax/plugin/reader/mysqlreader/libs/mysql* /opt/datax/plugin/reader/starrocksreader/libs/
|
|
|
|
COPY runtime/deepdata-python/deploy/docker-entrypoint.sh /docker-entrypoint.sh
|
|
RUN chmod +x /docker-entrypoint.sh \
|
|
&& dos2unix /docker-entrypoint.sh || true \
|
|
&& ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
|
|
|
|
# Expose the application port
|
|
EXPOSE 18000
|
|
|
|
ENTRYPOINT ["/docker-entrypoint.sh"]
|