前面课程中，给大家演示了项目的完整效果。正常来说，就应该开始写代码了，但是根据历史经验，很多同学习惯在学习之前，会先自己尝试跑一下代码。但往往不跟课程走的话，是很难跑起来的。

所以这个课程，改一下流程，在正式的讲解主体内容之前，先给大家演示部署的流程，正好这些环境，也是得提前配置的。

课前准备

环境说明

1、Python3.9+，建议使用Miniconda。

2、Docker，使用Docker安装Milvus、PostgreSQL、Redis。

3、Docker配置国内镜像，或者切网络。 

"registry-mirrors": [
  "https://docker.m.daocloud.io",
  "https://docker.fxxk.dedyn.io"
]

账号要求

1、需要OpenAI直连账号，网络有问题的可以购买，或者用兼容OpenAI的国产模型账号。

2、也可以自己部署本地模型，但要求部署成兼容OpenAI的http服务。

部署流程 

## 安装依赖软件
docker-compose -f milvus-standalone-docker-compose.yml up -d
docker-compose up -d

## 数据库迁移
flask db upgrade

## Milvus初始化
flask dataset_init_milvus

## 启动 celery 队列监听
celery -A app.celery worker -c 2 --loglevel INFO -Q dataset --logfile storage/logs/celery_worker.log

## 启动flask服务
flask run --debug

好的，这节课的内容其实不多，大家看我部署很流畅，但自己去操作，可能还是会遇到一些问题。遇到问题也不要慌，要多一些耐心，同时可以借助GPT工具，去找到你专属的解决方案。

配置环境，也是我们日后开发过程中，必不可少的一课，每一个坎都是成长的阶梯，没有捷径，就是多尝试。

本文链接：http://ichenhua.cn/edu/note/736

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！