Docker部署完整流程：风电光伏项目从0到1怎么做

在风电光伏新能源场站的智能化升级中，升压站、逆变器区、箱变区、周界及运维通道往往面临点位分散、环境恶劣、无人值守等挑战。通过 Docker 容器化私有化部署 AI 视频分析平台，能够高效加载"区域入侵"等算法任务，实现对翻越周界、擅闯高压箱变区等违规行为的实时预警。

本文由一线交付工程师撰写，旨在为您提供一份覆盖环境准备、Docker 部署、参数配置、服务验证到故障排查的全流程实战指南。

问题现象

在风电光伏项目现场进行 Docker 容器交付时，工程师常遇到以下典型故障：

容器启动即退出（Exited with code 1）：多因挂载目录权限不足、配置文件 JSON 格式错误或环境变量缺失导致。
容器内 GPU 算力无法调用 ：宿主机 nvidia-smi 正常，但在容器内执行推理时报错 No CUDA-capable device，通常是未正确配置 NVIDIA Container Toolkit。
视频流接入断流或延迟高：新能源场站多采用光纤/无线专网，由于跨网段或 MTU 限制，导致 RTSP 拉流频繁超时。

环境假设

操作系统：Ubuntu 20.04 / 22.04 LTS (x86_64)
容器与运行时：Docker 24.0+、Docker Compose v2、NVIDIA Container Toolkit（若启用 GPU 推理）
网络环境：安防专网/局域网静态 IP，已放行平台所需业务端口
业务场景：风电光伏场站（升压站、逆变器区、箱变区、周界、运维通道），关联"区域入侵"算法任务
接入规模：单节点支持 16~32 路摄像机并发接入与分析

环境准备清单

在动手部署前，请确保现场环境满足以下硬件与软件指标：

硬件配置 ：建议工控机或服务器具备 Intel Xeon / Core i7 处理器、32GB 内存、500GB NVMe SSD 存储。针对多路深度学习推理，推荐配置 NVIDIA GPU (如 T4 / RTX 3090 / A10) 或国产加速卡。
操作系统与驱动：安装 Linux 系统，正确配置显卡驱动。
Docker 基础环境：安装 Docker Engine 及 Docker Compose。
网络与摄像头：确认现场 IPC/NVR 运行正常，能够通过 RTSP 协议或 GB28181 国标接入。

架构说明

整套私有化部署的系统架构包含以下核心组件：

平台服务：负责用户鉴权、任务管理、前端 WebUI 展现。
流媒体服务：基于 ZLMediaKit/SRS 实现前端 RTSP/国标流的接收、转码与按需转发。
算法推理服务：加载目标检测与区域入侵模型，调用 GPU/CPU 对视频帧进行计算。
数据库与缓存：MySQL/SQLite（持久化任务配置与告警记录）及 Redis（缓存实时状态）。
告警服务：封装告警事件，支持通过 Webhook 异步推送到运维管理系统。

数据流说明

Plaintext

复制代码

[风电光伏 IPC/NVR (周界/箱变区)] 
         │ (RTSP / 国标流)
         ▼
[Docker 流媒体网关服务] ──(内部拉流)──► [GPU 算法推理容器 (区域入侵检测)]
                                                │ (触发告警事件)
                                                ▼
[运维大屏 / 告警回调接收端] ◄──(Webhook JSON)── [平台告警服务]

配置步骤

整体交付流程可划分为六个阶段：

阶段一：准备与目录结构创建

在服务器上创建统一的项目工作目录：

Bash

复制代码

mkdir -p /opt/ai-platform/{conf,weights,logs,data}
cd /opt/ai-platform

阶段二：安装 Docker 与容器运行时

安装 Docker 及其 NVIDIA 插件（以 Ubuntu 为例）：

Bash

复制代码

sudo apt-get update && sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin
# 配置 NVIDIA 容器工具包以支持 GPU 直通
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
# （按官方指引配置源并安装 nvidia-container-toolkit 后重启 docker）
sudo systemctl restart docker

阶段三：编写配置文件 (`docker-compose.yml`)

在 /opt/ai-platform/ 目录下创建 docker-compose.yml 文件。

YAML

复制代码

version: '3.8'

services:
  ai-stream-gateway:
    image: registry.internal/ai-platform/stream-gateway:v2.5
    container_name: ai-stream-gateway
    restart: always
    ports:
      - "80:80"
      - "554:554"
      - "8554:8554"
    volumes:
      - ./conf/gateway.conf:/app/conf/gateway.conf
      - ./logs:/var/log/ai-platform
    environment:
      - TZ=Asia/Shanghai

  ai-algorithm-engine:
    image: registry.internal/ai-platform/algo-engine:v2.5
    container_name: ai-algorithm-engine
    restart: always
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    volumes:
      - ./weights:/app/weights
      - ./logs:/var/log/ai-platform
    environment:
      - MODEL_PATH=/app/weights/region_intrusion.engine
      - MAX_CHANNELS=16
      - TZ=Asia/Shanghai
    depends_on:
      - ai-stream-gateway

阶段四：启动服务

使用 Docker Compose 后台启动所有容器实例：

Bash

复制代码

docker compose up -d

阶段五：验证与上线

检查容器运行状态，并通过 Web 页面及接口验证功能是否正常。

配置项表

下表列出了风电光伏项目部署时的核心配置项与说明（请根据现场实际环境调整）：

配置项名称	推荐标准 / 示例值	说明与注意事项
服务端口 (`ports`)	`80`, `554`, `8554`	Web 访问端口、RTSP 转发端口及信令端口，需在防火墙放行。
容器服务名	`ai-stream-gateway`, `ai-algorithm-engine`	Docker 容器实例名称，用于多节点区分。
视频流地址 (`stream_url`)	`rtsp://admin:pwd@192.168.10.50:554/...`	风电场区摄像头 RTSP 地址，建议强制使用 TCP 传输。
模型路径 (`model_path`)	`/app/weights/region_intrusion.engine`	针对区域入侵优化后的 TensorRT 算法模型文件。
并发路数 (`max_channels`)	`16` 路/卡	单张 GPU 承载的最大视频分析路数，防止超载。
挂载日志路径	`./logs:/var/log/ai-platform`	将容器内日志实时映射到宿主机，便于排错。
告警回调地址	`[http://192.168.1.100:8080/api/v1/alarm](http://192.168.1.100:8080/api/v1/alarm)`	区域入侵触发时，平台向运维系统推送告警的 Webhook 接口。

验证方法

服务启动后，请严格按以下标准进行端到端验证：

页面能打开 ：浏览器访问 http://<服务器IP>，能够正常加载平台登录界面，无 502 或白屏。
视频能预览 ：在后台通道管理中添加升压站或周界摄像头，预览窗口能在 2 秒内 成功出图且画面流畅。
算法能告警：在周界或箱变区触发模拟入侵测试，算法服务能够准确识别并在平台产生告警记录与抓图。
日志无异常：

Bash
复制代码
```
docker logs -f --tail=100 ai-algorithm-engine
```
确认日志中包含 Model loaded successfully、Inference loop running 且无显存溢出（OOM）报错。
回调成功 ：检查运维业务系统接收端日志，确认告警 JSON 报文已成功送达，返回码为 200 OK。

常见错误排查

现象	可能原因	检查方法	处理建议
1. 服务起不来：容器反复重启 (Restarting)	挂载目录权限不足或配置文件 JSON 语法错误。	执行 `docker logs <容器名>` 查看报错。	修复配置文件语法，使用 `chown` 调整宿主机挂载目录权限。
2. GPU 不可见：提示 CUDA 错误	未安装 NVIDIA Container Toolkit 或宿主机驱动异常。	在容器内执行 `nvidia-smi`。	检查 `/etc/docker/daemon.json` 运行时配置并重新加载 Docker。
3. 拉流失败：提示 Connection timed out	风电场区网络光纤未打通或防火墙拦截 554 端口。	在容器内执行 `telnet <IPC-IP> 554`。	调整交换机 VLAN 策略或放行安全组端口。
4. 告警不触发：区域入侵无反应	算法任务的 ROI（感兴趣区）多边形未正确覆盖周界。	查看平台上的算法可视化调试画面。	重新在管理后台标定区域入侵的检测多边形。
5. 延迟高：画面卡顿超过 5 秒	视频流编码为 H.265 且服务器软解码压力过大。	检查流媒体网关日志中的解码耗时。	将前端 IPC 码流格式调整为标准的 H.264，或降低输入分辨率。
6. CPU 占用高：负载持续 100%	未启用 GPU 加速，算法在 CPU 上进行纯软件推理。	执行 `top` 命令查看进程分布。	确认 `docker-compose.yml` 中的 GPU 设备挂载参数是否生效。

升级与回滚建议

镜像版本管理 ：在升级算法或平台大版本时，严禁直接使用 latest 标签，必须采用带有版本号的镜像（如 v2.5）。
回滚预案 ：升级前务必对 /opt/ai-platform/conf/ 目录及数据库文件进行本地 tar 备份。若新版本运行异常，修改 docker-compose.yml 中的镜像版本标签后执行 docker compose up -d 即可快速回滚。

官网延伸阅读与平台能力补充

在风电光伏及其他工业能源场景的智能化落地中，选择成熟可靠的架构能够大幅降低后期运维成本。您可以深入了解我们的AI视频分析平台，获取高效的私有化部署以及涵盖区域入侵、人员抽烟、未戴安全帽等丰富的算法商城。

结尾 CTA

如果您的团队正在推进风电光伏场站或其他新能源项目的智能化升级，在Docker容器交付或硬件选型上遇到技术阻碍，我们将为您提供专业的一对一技术支持与联调指导。

Docker部署完整流程：风电光伏项目从0到1怎么做

问题现象

环境假设

环境准备清单

架构说明

数据流说明

配置步骤

阶段一：准备与目录结构创建

阶段二：安装 Docker 与容器运行时

阶段三：编写配置文件 (docker-compose.yml)

阶段四：启动服务

阶段五：验证与上线

配置项表

验证方法

常见错误排查

升级与回滚建议

官网延伸阅读与平台能力补充

结尾 CTA

阶段三：编写配置文件 (`docker-compose.yml`)