【高可用服务部署必读】:Docker Compose重启条件选型指南

第一章:Docker Compose重启策略概述

在使用 Docker Compose 编排多容器应用时,重启策略(restart policy)是确保服务高可用性和容错能力的关键配置之一。通过合理设置重启策略,容器可以在主机重启、应用崩溃或异常退出后自动恢复运行,从而提升系统的稳定性。
重启策略类型
Docker Compose 支持多种重启策略,可根据不同场景灵活选择:
  • no:默认策略,容器退出时不自动重启。
  • always:无论退出状态如何,始终重启容器。
  • on-failure:仅在容器以非零退出码退出时重启,可选指定最大重试次数。
  • unless-stopped:始终重启容器,除非被手动停止。
配置示例
以下是一个典型的 docker-compose.yml 片段,展示如何为服务设置重启策略:
version: '3.8'
services:
  web:
    image: nginx:latest
    restart: always  # 容器退出后始终重启
  worker:
    image: my-worker-app
    restart: on-failure:5  # 最多重试5次
上述配置中,web 服务将始终重启,而 worker 服务仅在失败时尝试重启,最多5次。

策略适用场景对比

策略适用场景说明
no调试或一次性任务不自动重启,适合临时运行的服务
always长期运行的Web服务保障服务持续可用,即使手动停止也会重启
on-failure批处理任务或脚本仅在出错时重试,避免无限循环
unless-stopped生产环境常驻服务重启后自动启动,除非明确停止
正确选择重启策略有助于实现服务的自我修复能力,同时避免不必要的资源消耗。

第二章:常用重启条件详解与应用场景

2.1 no策略:精确控制服务启动时机的理论与实践

在微服务架构中,no策略用于精细化管理服务实例的启动行为,避免因依赖未就绪导致的级联故障。
核心机制
该策略通过预检条件判断是否允许服务启动,常见条件包括数据库连接、配置加载和依赖健康状态。
  • 数据库连接池初始化完成
  • 配置中心参数拉取成功
  • 关键依赖服务心跳检测通过
配置示例
startup:
  strategy: no
  prerequisites:
    - type: database
      timeout: 30s
    - type: config
      source: nacos
上述配置表示仅当数据库连接和Nacos配置加载均成功时,服务才进入运行状态。timeout限制了单个检查项的最大等待时间,防止无限阻塞。

2.2 always策略:保障容器持续运行的机制解析与配置示例

always策略的核心机制
Docker的restart: always策略确保容器在任何退出状态下都会被自动重启。该策略由守护进程监控,无论容器是正常退出还是异常崩溃,都会触发重启逻辑。
典型配置示例
version: '3'
services:
  web:
    image: nginx
    restart: always
    ports:
      - "80:80"
上述Compose配置中,restart: always表示容器将在宿主机重启或自身终止后自动启动。适用于生产环境中的关键服务,保障高可用性。
策略对比分析
策略类型适用场景行为特征
no一次性任务不自动重启
always长期服务始终重启,包括系统启动时

2.3 on-failure策略:失败重启的阈值设置与错误恢复实战

在容器化部署中,on-failure重启策略是保障服务稳定性的关键机制。该策略仅在容器以非零退出码终止时触发重启,适用于批处理任务或有明确失败语义的服务。
策略参数配置示例
restart: on-failure:5
上述配置表示容器最多重启5次。参数5为重启次数上限,避免无限循环重启导致资源浪费。当达到阈值后,容器将不再启动,便于运维人员介入排查。
重启行为与退出码关系
  • 退出码为0:容器正常退出,不触发重启
  • 退出码为1-127:表示运行时错误,触发重启
  • 退出码128及以上:通常为信号终止,也可能触发重启
结合监控系统可实现错误日志采集与告警联动,提升故障响应效率。

2.4 unless-stated策略:持久化运行服务的设计原理与部署技巧

在容器化服务部署中,restart: unless-stopped 是 Docker 容器重启策略中的关键机制,适用于需要长期稳定运行的后台服务。
策略行为解析
该策略确保容器在异常退出时自动重启,仅当管理员显式执行 docker stop 后才不再重启,保障了服务的高可用性与运维可控性的平衡。
典型配置示例
version: '3'
services:
  app:
    image: myapp:v1
    restart: unless-stopped
其中 restart: unless-stopped 表示除非容器被手动停止,否则无论退出状态如何都将重启,适合日志采集、监控代理等常驻进程。
策略对比分析
策略异常退出后重启手动 stop 后重启
no否否
always是是
unless-stopped是否

2.5 on-abnormal-exit策略:异常退出场景下的自动恢复方案

在分布式系统中,进程异常退出可能导致数据不一致或服务中断。on-abnormal-exit 策略通过预设恢复机制,确保系统具备自愈能力。
策略触发条件
当监控组件检测到进程非正常终止(如崩溃、OOM、信号中断),将触发恢复流程。常见判定方式包括心跳超时与信号捕获。
恢复行为配置示例
on-abnormal-exit:
  restart: true
  backoff-delay: 5s
  max-retries: 3
  action-on-failure: failover-to-standby
上述配置表示:启用重启机制,首次延迟5秒重试,最多尝试3次;若仍失败,则切换至备用节点。其中 backoff-delay 避免雪崩效应,max-retries 控制恢复成本。
恢复状态管理
状态含义处理动作
PENDING等待恢复窗口启动倒计时重试
RETRYING进行重启尝试执行回退延迟
FAILED超出最大重试触发故障转移

第三章:重启条件背后的容器生命周期管理

3.1 容器状态机与重启触发条件的关联分析

容器生命周期由状态机严格管理,其核心状态包括 Pending、Running、Succeeded 和 Failed。当容器进入 Failed 状态时,重启策略(Restart Policy)将被触发评估。
重启策略类型
  • Always:无论退出码如何,始终重启
  • OnFailure:仅在容器非正常退出(exit code ≠ 0)时重启
  • Never:从不重启
状态转移与触发逻辑
spec:
  containers:
  - name: nginx
    image: nginx:latest
  restartPolicy: OnFailure
上述配置中,若容器因崩溃(exit code = 1)终止,Kubelet 检测到状态由 Running → Failed,满足 OnFailure 条件,触发重启。而正常退出(如 exit 0)则不会触发。
当前状态退出码RestartPolicy=OnFailure
Running → Failed≠ 0触发重启
Running → Succeeded= 0不重启

3.2 Docker守护进程如何决策是否执行重启

Docker守护进程依据容器的重启策略(Restart Policy)决定是否在退出后自动重启。该策略在容器创建时通过 --restart 参数指定。
支持的重启策略类型
  • no:默认策略,不自动重启
  • on-failure[:max-retries]:仅在非零退出码时重启,可限制重试次数
  • always:无论退出状态如何,始终重启
  • unless-stopped:始终重启,除非被手动停止
策略配置示例
docker run -d --restart=on-failure:3 nginx
此命令表示当容器因错误退出时,最多尝试重启3次。 守护进程通过监听容器生命周期事件,结合当前策略与容器退出码、运行状态进行判断。例如,always 策略下即使容器正常退出(exit 0),也会触发重启;而 on-failure 仅在退出码非0时激活重启逻辑。

3.3 重启间隔与资源竞争问题的实际应对

在高并发系统中,服务实例频繁重启可能引发资源竞争,尤其是在共享数据库或缓存的场景下。合理设置重启间隔是缓解该问题的第一道防线。
动态重启退避策略
采用指数退避机制可有效分散重启时间,避免“雪崩式”恢复带来的资源争用。
func backoffRetry(attempt int) time.Duration {
    return time.Duration(1<
该函数通过左移运算实现指数增长,第n次重试等待时间为 2^(n-1) 秒,防止多个实例同时恢复抢占资源。
资源锁与协调机制
使用分布式锁确保关键初始化操作互斥执行:
  • 基于 Redis 的 SETNX 实现启动锁
  • ZooKeeper 临时节点选举初始化主控实例
  • 数据库乐观锁控制配置加载频率

第四章:高可用架构中的重启策略设计模式

4.1 微服务场景下不同重启策略的选型对比

在微服务架构中,服务实例的重启策略直接影响系统的可用性与恢复能力。常见的重启策略包括**立即重启**、**延迟重启**和**指数退避重启**。
重启策略类型对比
  • 立即重启:故障后立即尝试恢复,适用于瞬时故障,但可能引发雪崩;
  • 延迟重启:固定间隔后重启,缓解资源竞争,适合依赖初始化较慢的服务;
  • 指数退避重启:重试间隔随失败次数指数增长,有效应对持续性故障。
典型实现代码示例
// 指数退避重启逻辑
func exponentialBackoff(retry int) time.Duration {
    base := 2 * time.Second
    // 使用位移计算指数增长:2^retry * base
    return base * time.Duration(1<<retry) // 最大可限制 retry < 6
}
上述函数通过左移运算实现指数级延迟增长,避免高频重试导致系统过载,适用于Kubernetes探针或服务注册重连机制。
策略选型建议
策略适用场景风险
立即重启短暂网络抖动可能加剧系统崩溃
指数退避依赖未就绪、服务启动失败恢复延迟较高

4.2 结合健康检查实现智能重启的集成实践

在微服务架构中,结合健康检查机制实现容器的智能重启是保障系统自愈能力的关键手段。通过定期探测服务的运行状态,可动态判断是否需要触发重启策略。
健康检查配置示例
livenessProbe:
  httpGet:
    path: /health
    port: 8080
  initialDelaySeconds: 30
  periodSeconds: 10
  failureThreshold: 3
上述配置表示每10秒执行一次HTTP健康检查,启动后30秒开始探测,连续3次失败将触发容器重启。`/health` 接口应返回200状态码表示服务正常。
智能重启决策流程

请求健康接口 → 判断响应状态 → 记录失败次数 → 达阈值则重启 → 恢复监听

通过与Kubernetes的重启策略(如`restartPolicy: Always`)联动,可实现故障自动恢复,显著提升服务可用性。

4.3 日志追踪与监控告警联动的故障响应机制

在分布式系统中,日志追踪与监控告警的联动是实现快速故障定位和自动响应的关键环节。通过统一的日志采集框架(如Fluentd或Filebeat),所有服务的结构化日志被集中写入Elasticsearch,同时借助Jaeger或SkyWalking建立全链路追踪体系。
告警触发逻辑示例
// 基于Prometheus指标触发告警
ALERT HighRequestLatency
  IF rate(http_request_duration_seconds_sum[5m]) / rate(http_request_duration_seconds_count[5m]) > 1
  FOR 3 minutes
  LABELS { severity = "critical" }
  ANNOTATIONS {
    summary = "High latency detected",
    description = "The average request latency is above 1s for the last 3 minutes."
  }
该规则持续监控接口响应延迟,一旦均值超过1秒并持续3分钟,即触发高优先级告警。
自动化响应流程
  • 告警通过Alertmanager路由至指定Webhook
  • Webhook调用SOAR平台执行预定义剧本(Playbook)
  • 自动关联最近部署记录与链路追踪ID
  • 生成工单并通知值班工程师
图:告警→日志检索→链路追踪→通知闭环

4.4 多环境(开发/生产)重启策略的差异化配置

在微服务部署中,开发与生产环境对系统稳定性与调试灵活性的需求不同,需对重启策略进行差异化设计。
配置差异分析
开发环境注重快速迭代,可采用即时重启;生产环境则需保障可用性,推荐使用滚动更新或延迟重启机制。
YAML 配置示例
# 开发环境配置
restartPolicy:
  mode: "immediate"
  maxRetries: 2

# 生产环境配置
restartPolicy:
  mode: "rolling"
  delaySeconds: 30
  maxRetries: 5
上述配置中,immediate 模式适用于调试场景,快速响应变更;rolling 模式通过延迟重启避免服务雪崩,delaySeconds 控制实例间重启间隔,提升整体稳定性。
策略选择建议
  • 开发环境:优先保证部署速度与日志可追踪性
  • 生产环境:结合健康检查,启用滚动重启与重试熔断机制

第五章:最佳实践总结与未来演进方向

持续集成中的自动化测试策略
在现代 DevOps 流程中,自动化测试已成为保障代码质量的核心环节。以下是一个基于 GitHub Actions 的 CI 配置片段,用于在每次推送时运行单元测试和静态分析:

name: CI Pipeline
on: [push]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Set up Go
        uses: actions/setup-go@v4
        with:
          go-version: '1.21'
      - name: Run tests
        run: go test -v ./...
      - name: Static analysis
        run: |
          go install golang.org/x/lint/golint@latest
          golint ./...
微服务架构下的可观测性建设
为提升系统稳定性,建议统一日志格式并集成分布式追踪。以下为常见日志字段结构:
字段名类型说明
timestampstringISO 8601 格式时间戳
service_namestring微服务名称
trace_idstring用于链路追踪的唯一 ID
levelstring日志级别(error、info 等)
云原生环境的安全加固建议
  • 启用 Kubernetes Pod Security Admission 控制策略
  • 使用最小权限原则配置 ServiceAccount
  • 定期扫描容器镜像漏洞,推荐集成 Trivy 或 Clair
  • 对敏感配置项使用 Sealed Secrets 或 HashiCorp Vault 注入
[Service A] --(HTTP/JSON)--> [API Gateway] --(gRPC)--> [Service B] | v [Central Tracing Collector]
四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar 立即下载

相关推荐

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

Docker Compose重启机制详解:生产环境中90%的人都配错了

掌握Docker Compose重启条件配置技巧,避免生产环境服务异常。详解restart参数的always、on-failure等策略适用场景,解析常见配置误区及最佳实践,提升容器稳定性与恢复能力,值得收藏。

QuickCode的博客 912

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

docker compose 重启所有容器

我整理的一些关于【容器,docker】的项目学习资料(附讲解~~)和大家一起分享、学习一下:https://d.51cto.com/xltfov使用 Docker Compose 重启所有容器的完整指南 介绍 Docker Compose 是一个用于定义和运行多容器 Docker 应用程序的工具。通过 Compose,您...

weixin_40550512的博客 758

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【微服务部署必看】:Docker Compose依赖重启的3种高可用方案

解决微服务部署中服务依赖启动失败问题,本文详解Docker Compose的依赖重启3种高可用方案,适用于多容器协同场景,涵盖depends_on、健康检查与脚本控制方法,提升系统稳定性,值得收藏。

InitPulse的博客 782

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【高级进阶】:Docker Compose重启策略选型指南,选错等于埋雷

掌握Docker Compose重启条件选型方法,避免服务异常宕机。详解unless-stopped、always等策略适用场景与核心差异,结合生产环境案例解析自动恢复机制优势。科学配置提升系统稳定性,值得收藏。

DebugVibe的博客 717

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

docker compose 重启服务命令_docker/docker-compose常用命令与配置

今天整理了些以前使用docker时常用的命令与配置,在这里分享出来,也便于自己日后查阅。文中不包括docker的基本概念、安装,还请自行搜寻。各位感兴趣的话,可以自存一份。docker一、docker基础操作service docker start/stop/restart二、镜像基础操作1.搜索镜像:docker search imageName2.拉取搜索出的镜像:docker pull 镜像...

weixin_34152044的博客 8385

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

【纯免费分享】3 步完成 Linux 离线安装:IPC::Cmd 模块无网络部署指南

服务器进不了外网,想给 Perl 装个模块,cpan 和包管理器全帮不上忙——这是内网运维最常见的卡点。这个仓库把 IPC::Cmd 的源码和全部依赖打成了一个离线安装包,Linux 离线安装基本是一条命令的事,装完脚本里直接 `use IPC::Cmd;` 就能跑。 ## 什么场景用得上 - **内网服务器**:生产环境只开了内网出口,机器本身拉不到任何 CPAN 源,模块只能"人肉"带进去

gitblog_00294的博客 843

RK3399跨楼层机器人:SLAM技术与商业应用解析

SLAM(即时定位与地图构建)技术是移动机器人自主导航的核心,通过激光雷达、视觉传感器等多源数据融合实现厘米级定位。RK3399作为高性能嵌入式平台,其六核架构和Mali GPU能高效处理SLAM算法与传感器数据。在商业场景中,这种技术组合可支撑机器人实现跨楼层物资配送、仓库盘点等复杂任务。以SLAMTEC Hermes平台为例,其模块化设计支持电梯控制集成,配合双深度相机和360°激光雷达,在医疗、物流等领域已实现12分钟平均配送效率和99.7%的识别准确率。

weixin_30376083的博客 622

二、声明式 Pipeline 语法

选择型参数,一般用于给定几个可选的值,然后选择其中一个进行赋值,例如:parameters { choice(name: ‘CHOICES’, choices: [‘one’, ‘two’, ‘three’], description: ‘’) },表示定义一个名为 CHOICES 的变量,可选的值为 one、two、three;默认情况下,如果定义了某个 stage 的 agent,在进入该 stage 的 agent 后,该 stage 的 when条件才会被评估,但是可以通过一些选项更改此选项。

Cyan_Jiang的博客 1220

新手必读:快速上手Docker Compose Agent服务配置的6个秘诀

掌握Docker Compose的Agent服务配置,轻松实现多容器应用自动化管理。涵盖监控、日志收集等应用场景,详解服务定义、网络配置、环境变量注入等6大核心技巧,提升部署效率与稳定性。新手也能快速上手,值得收藏。

AlgoChat的博客 295

3.1 计算机视觉的发展和卷积神经网络概要(百度架构师手把手带你零基础实践深度学习原版笔记系列)

3.1 计算机视觉的发展和卷积神经网络(百度架构师手把手带你零基础实践深度学习原版笔记系列) 概要 计算机视觉作为一门让机器学会如何去“看”的科学学科,具体的说,就是让机器去识别摄像机拍摄的图片或视频中的物体,检测出物体所在的位置,并对目标物体进行跟踪,从而理解并描述出图片或视频里的场景和故事,以此来模拟人脑视觉系统。因此,计算机视觉也通常被叫做机器视觉,其目的是建立能够从图像或者视频中“感知”信息的人工系统。 计算机视觉技术经过几十年的发展,已经在交通(车牌识别、道路违章抓拍)、安防(人脸闸机.

aiAI 692

Astron Agent 部署指南:从 Docker Compose 快速体验到 Helm 生产化落地的完整选型与实践

本篇文章围绕 Astron Agent 官方部署文档的完整脉络展开,系统讲解「先快速体验、再逐步生产化」的接入思路:如何用 Docker Compose 在本地拉起一套可登录、可访问的完整链路,如何按需叠加 Casdoor 统一身份认证与 RPA 后端能力,以及如何通过 Helm / Kubernetes 走向企业级标准化部署与弹性扩容。读完本文,你将掌握 Astron Agent 的部署方式选型

gitblog_00348的博客 310

LangChain与LangGraph核心区别解析

LangChain与LangGraph是当前大语言模型(LLM)应用开发中两个紧密相关且极具影响力的开源框架。它们源于LangChain AI公司,设计哲学互补,旨在解决不同维度的LLM工程化问题,共同构成了构建复杂智能应用的强大工具集。

weixin_35774598的博客 1935

图机器学习(7)——图神经网络 (Graph Neural Network, GNN)

图神经网络 (Graph Neural Network, GNN) 是一类专门处理图结构数据的深度学习方法。这类方法也被称为几何深度学习 (geometric deep learning),在社交网络分析、计算机图形学等众多领域正受到日益广泛的关注。在本节中,我们介绍了 GNN 的核心原理,将卷积等经典深度学习范式拓展至非欧几里得图空间,实现了局部结构与全局特征的层次化提取。

盼小辉丶的博客 1万+

Docker - 用Compose实现Nginx+MySQL多容器部署

Docker Compose 多容器部署实践摘要 本文详细介绍了如何使用 Docker Compose 编排 Nginx、MySQL 和 Java Spring Boot 应用的多容器环境,主要内容包括: 项目架构:通过 Docker Compose 实现 Nginx 反向代理、MySQL 数据库和 Spring Boot 应用的服务编排,容器间通过自定义网络隔离通信。 核心优势: 声明式 YAML 编排,一键启动完整环境 生产级配置(健康检查、重启策略、数据持久化) 服务发现通过 DNS 名称而非硬编码

千淘万漉虽辛苦,吹尽狂沙始到金 9553

创龙 瑞芯微 RK3588 国产2.4GHz八核 工业开发板—ISP图像处理开发案例

创龙科技研发的 TL3588-EVM 评估板具备强大视频处理能力,可满足多场景视频开发需求。为助力开发者快速上手,本文整理 7 个实用视频开发案例,涵盖从采集到显示的全流程,详细说明各案例的硬件连接、参数配置与代码解析,帮助开发者高效实现评估板视频相关功能开发与调试。

创龙,嵌入式一体化解决方案商 211

Docker基础——快速入门

一. Docker简介 1. 介绍 软件带环境安装,解决了运行环境和配置问题软件容器,方便做持续集成并有助于整体发布的容器虚拟化技术。 2. 与虚拟机技术对比 虚拟机对于底层系统来说,也是一个普通软件。但是它有如下缺点: 资源占用多 冗余步骤多 启动慢 容器虚拟化技术不是模拟一个完整的操作系统,而是对进程进行隔离。容器与虚拟机不同,不需要捆绑一整套操作系统,只需要软件工作所需的库资源和设置。 两者区别: 传统虚拟机技术是虚拟出一套硬件后,在其上运行一个完整操作系统,在该系统上再运行所需应用进程

程序无言 277

【WorkBuddy专栏43】如何利用WorkBuddy开发一个PC网站(上)——环境选型、设计编码到部署上线

【WorkBuddy专栏43】如何利用WorkBuddy开发一个PC网站(上)——环境选型、设计编码到部署上线

AI人人懂 2288

YOLOv8改进 | 独家创新篇 | 给YOLOv8增加辅助可逆分支结构(PGI,1:1改进)(全网独家创新,附视频讲解)

这张图(图3)展示了可编程梯度信息(PGI)及其相关网络架构和方法。这种网络结构主要用于改进特征融合,以提高目标检测的性能。然而,由于信息瓶颈的存在,网络中可能会丢失一些信息。这是一种旨在减少信息丢失的网络设计。它通过可逆的列结构来尝试维持信息流通不受损失,但如图中“Heavy Cost”所示,这种结构会增加计算成本。c) 深度监督:这种方法通过在网络的多个层次中插入额外的监督信号来提高学习的效率和最终模型的性能。图中显示了通过深度监督连接的各个层。

Snu77的博客 3746
上一篇: Docker exec 目录定位难题全解(工作目录原理与实战避坑指南)
下一篇: Docker多阶段构建中--from到底能做什么?99%的人都没用对!
SimSolve
博客等级 码龄1年 152粉丝 2009原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值