前言

這幾天一直在研究linux環境下安裝配置rasa框架，順便整理一下安裝步驟，以后可以查看。

 

建議：本文適合收藏，里面每個步驟都是實際開發中遇到的，這里不涉及Rasa聊天機器人框架的源碼，因為源碼在網上獲取非常方便。這里只是單純介紹部署的步驟，以及如何解決一些遇到的問題。

本文不建議直接拿來用，因為網上有很多介紹關于rasa機器人的部署，特別是對于windows環境下的部署，已經有很多成熟的部署步驟。但是對于linux部署，小編是一直找不到合適的部署方法。

于是，小編通過不斷嘗試，不斷總結，才有了本文。所以，大家可以先在windows下部署，如果成功了，想移植到linux環境下，可以回頭來看看這篇文章，相信對你有很大的幫助。

 

環境： centos7、 Python 3.6.2
目標： 安裝flask+uwsgi+Rasa1.10.2+MITIE+tensorflow2.0+supervisor服務

 

【linux虛擬環境安裝】

 

備注： 沒有安裝pyenv， 可以在linux下安裝pyenv。 pyenv 類似于windows下的Anaconda，主要用于python的版本管理。

 

1. 查看pyenv托管了哪些python版本

 $ pyenv versions

 

 

2. 使用pyenv安裝python環境(已經安裝好的可以跳過)

 $ pyenv install -v 3.6.2

 

3. 安裝時報錯ModuleNotFoundError: No module named '_ctypes'的解決辦法

yum install libffi-devel 

 

【項目配置】

 

1. 從git上拉下項目( git-url 替換成實際的git地址)

git clone -b master git-url

 

2. 進入代碼根目錄，新建虛擬環境

# 當前目錄 
$cd chatBotRasa

 

 

3. 創建虛擬環境

# 當前python環境切換到3.6.2
$ pyenv global 3.6.2


# 在當前項目根目錄下新建虛擬環境目錄
$ virtualenv venv_rasa_362


# 切回之前的python環境（保證原始環境不變, 假設原始環境是python 3.6.0）
$ pyenv global 3.6.0

 

4. 在項目的根目錄下新建幾個目錄

$ mkdir log
$ mkdir logs
$ mkdir models

 

5. 對應的模型放到指定目錄下

total_word_feature_extractor_zh.dat  # 放到 data 目錄下
20200615-225841.tar.gz  # 放到models下（不同版本rasa對應不同版本的模型，否則要重新訓練）

 

【安裝虛擬環境的rasa相關python包】

 

1. 進入虛擬環境

$ source venv_rasa_362/bin/activate

 

2. 退出虛擬環境

$ deactivate

 

3. 安裝rasa==1.10.2 , 安裝失敗，多安裝幾次就可以了

$ pip --default-timeout=1000 install rasa==1.10.2

 

4. 安裝項目其他的包

$ pip install -r requirements.txt

 

 

5. 安裝MITIE (第一步容易安裝失敗，多安裝幾次就可以了)

$ pip install git+https://github.com/mit-nlp/MITIE.git
$ pip install rasa[mitie]

 

6. 安裝uwsgi

$ pip install uwsgi

 

uwsgi 配置文件, 一般放在代碼根目錄下，例如：
/opt/algorithm/chatBotRasa/chatBotRasa_config.ini

 

 

【啟動rasa的兩個服務】

 

（以腳本的形式，均需要在虛擬環境下進行。 一般更改模型的話，主線程App.py 不用重啟，只要重啟一下兩個服務即可。運行腳本命令： $ sh xxxx.sh）

 

1. 開啟第一個服務 start_one_rasa.sh

nohup python -m rasa run --port 5005 --endpoints configs/endpoints.yml --credentials configs/credentials.yml --debug > ./log/start_one_rasa.log  2>&1 &

 

2. 查看第一個服務 check_one_rasa.sh

# 查看端口對應的線程
netstat -tunlp|grep 5005

 

3. 關閉第一個服務 kill_one_rasa.sh

fuser -k -n tcp 5005

4. 開啟第二個服務 start_two_rasa.sh

nohup python -m rasa run actions --port 5055 --actions actions --debug > ./log/start_two_rasa.log  2>&1 &

 

5. 查看第二個服務 check_two_rasa.sh

# 查看端口對應的線程
netstat -tunlp|grep 5055

 

6. 關閉第二個服務 kill_two_rasa.sh

fuser -k -n tcp 5055

【在線訓練模型】

 

1. 進入虛擬環境，進入項目根目錄

# 模型訓練： 該命令會同時訓練NLU和Core模型
# 前提是安裝好MITIE模塊
$ python -m rasa train --config configs/config.yml --domain configs/domain.yml --data data/

【配置supervisor】

 

1. 安裝配置supervisor （非虛擬環境）

 

安裝supervisor(一般是提前安裝好了):

yum install supervisor

 

增加配置文件， 例如命名為：
chatBotRasa_supervisor.ini

保存在
/etc/supervisord.d/chatBotRasa_supervisor.ini

 

注意事項：

(1) 如果網站所在的目錄為chatBotRasa, 則建議ini文件命名為：
chatBotRasa_supervisor.ini

(2) 如果有多一個網站，目錄為charts, 則可以新建多個文件： charts_supervisor.ini

(3) 多個xxx_supervisor.ini 文件，Supervisor 會同時允許加載多個配置

 

 

 

2. 啟動停止supervisord (只有單個服務時適用, 或者首次啟動)

(1) 啟動supervisord: supervisord -c /etc/supervisord.conf

(2) 停止 supervisord（需要多次停止才能生效）：supervisorctl shutdown

(3) 重啟服務（里面的配置也會更新）：supervisorctl reload

 

3. 啟動停止指定supervisord

(1) 查看所有子進程的狀態：

$ supervisorctl status

 

 

(2) 關閉開啟指定子進程：

$ supervisorctl restart chat_bot_rasa    # 重啟
$ supervisorctl stop chat_bot_rasa       # 停止
$ supervisorctl start chat_bot_rasa      # 啟動

(3) 關閉、開啟所有的子進程

$  supervisorctl stop all
$  supervisorctl start all

 

4. 管理相關進程

(1) 查看相關進程： netstat -ntlp | grep 9108

(2) kill某個端口： fuser -k -n tcp 9108

【項目在線調試】

 

1. 進入虛擬目錄： source my_venv/bin/activate

2. 啟動項目： uwsgi dataSys_config.ini

3. 調試結束后，記得刪除 項目下log目錄下的日志（supervisord的調試日志）否則項目不能正常啟動

 

結語

 

學習python，不需要一杯奶茶錢，只需要你點個關注。如果覺得小編的文章對你有幫助，記得點個贊，順便幫我分享出去。有什么不明白的地方，歡迎在下方評論，或私信小編。最后，感謝大家的閱讀，祝大家生活愉快。