FAQ chatbot 项目实践指南

FAQ chatbot 核心模块

FAQ chatbot 流程图

一、安装Elasticsearch，Kibana

ES和Kibana安装指南

二、将样例数据写入索引

1. 创建索引并将样例数据写入索引

注意：如果用自己的数据集，需要修改es_config.py中的变量DATA_PATH

# 设置环境变量，告诉Python解释器在哪些目录中查找模块
export PYTHONPATH=$(pwd)

# 创建索引，写入数据
python vectorstore/es_index.py

三、基于Docker进行容器化部署

1. 在本机安装Docker

参考链接：Docker教程

Docker简介

2. 构建Docker镜像

在当前项目路径（根目录）下，Med-FAQchatbot/ 执行下面的命令。

# -t faq-chatbot选项为构建的镜像指定了一个标签（tag）
# . 指的是Dockerfile所在的目录的路径

docker build -t faq-chatbot:0.1 .

运行后截图：

镜像已经构建成功：

3. 运行Docker容器

docker run -itd -v $(pwd):/code -p 8008:7000 --name faq --net elastic faq-chatbot:0.1

运行后截图：

可以进入Docker容器

# 进入容器
docker exec -it faq /bin/bash

# 退出容器
exit

！！！注意事项：

启动faq服务，一定要在 es_basic.py 修改 ES_URL 地址（ES_URL = "http://172.19.0.2:9200"），
不要使用 "http://0.0.0.0:9200"，要使用elasticsearch容器的IP地址。

# 查看容器的IP地址，可以使用命令，找到elasticsearch对应的IP地址
 docker network inspect elastic

截图如下：

4. 服务测试

方式-1 ： 终端运行 curl 命令

 curl -X 'POST' 'http://127.0.0.1:8008/faq/search' -H 'accept: application/json' -H 'Content-Type: application/json' -d '{"text": "我最近长胖了，这让我有些尴尬，是否可以改善这一状况？"}'

方式-2 ：运行测试脚本 test_server.py

pytest test_server.py -k test_faq_search -v -s

5. 并发测试【 CPU环境 】

本地部署 VS 容器化部署QPS差异的原因

场景-1：正常启动服务，直接运行 server.py，然后测试并发处理能力

场景-2：基于Docker部署服务，然后测试并发处理能力

5. 基于Docker-Compose进行容器化部署

docker-compose up

6. 再次测试服务，分别对应三个端口 7001, 7002, 7003

# 7001
curl -X 'POST' 'http://127.0.0.1:7001/faq/search' -H 'accept: application/json' -H 'Content-Type: application/json' -d '{"text": "我最近长胖了，这让我有些尴尬，是否可以改善这一状况？"}'

# 7002
curl -X 'POST' 'http://127.0.0.1:7002/faq/search' -H 'accept: application/json' -H 'Content-Type: application/json' -d '{"text": "我最近长胖了，这让我有些尴尬，是否可以改善这一状况？"}'

# 7003
curl -X 'POST' 'http://127.0.0.1:7003/faq/search' -H 'accept: application/json' -H 'Content-Type: application/json' -d '{"text": "我最近长胖了，这让我有些尴尬，是否可以改善这一状况？"}'