# AI临床研究平台 - 完整部署实战手册（2025版）

> **文档版本**：v1.0（实战版）  
> **创建日期**：2025-12-25  
> **基于实际部署**：2025-12-24 ~ 2025-12-25 完整部署经历  
> **部署成功时间**：约6小时（包含问题排查）  
> **部署人员**：开发团队  
> **部署结果**：✅ 完全成功，所有功能正常运行

---

## 📋 文档说明

### 本文档的特点

- ✅ **基于真实部署经历**：记录了2025年12月实际部署的完整过程
- ✅ **包含所有坑点**：遇到的4个关键问题及解决方案
- ✅ **经验总结**：提炼出的最佳实践和注意事项
- ✅ **可直接复制**：所有配置和命令都经过验证
- ✅ **适合快速部署**：跟着做就能成功

### 与其他文档的关系

| 文档名称 | 用途 | 何时使用 |
|---------|------|---------|
| **本文档** | 实战部署完整流程 | ⭐ 新部署或重新部署时 |
| `01-快速部署SOP-零基础版.md` | 零基础完整指南 | 从零开始学习时 |
| `00-部署进度总览.md` | 资源速查索引 | 查询资源信息时 |
| `12-Node.js后端-SAE部署操作手册.md` | 单服务部署 | 只部署某个服务时 |

---

## 🎯 部署架构总览

```
用户浏览器
    ↓ HTTPS (公网)
CLB负载均衡器 (公网IP: 8.140.53.236)
    ↓ HTTP (内网)
前端Nginx (SAE: 172.17.173.72:80)
    ↓ HTTP (内网, /api/v1/)
Node.js后端 (SAE: 172.17.173.73:3001)
    ↓ HTTP (内网, /api/dc/)
Python服务 (SAE: 172.17.173.66:8000)
    ↓ SQL (内网)
RDS PostgreSQL (内网: pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com:5432)
```

**关键依赖**：
- 所有服务在同一个VPC内网（`172.17.0.0/16`）
- 使用NAT网关访问外网（拉取镜像、调用LLM API）
- CLB绑定前端，提供公网访问

---

## 📊 部署顺序（严格按顺序执行）

| 步骤 | 服务 | 预计时间 | 依赖项 |
|------|------|---------|--------|
| 1️⃣ | VPC网络 + NAT网关 | 15分钟 | 无 |
| 2️⃣ | RDS PostgreSQL | 30分钟 | VPC |
| 3️⃣ | OSS对象存储 | 10分钟 | 无 |
| 4️⃣ | ACR容器镜像仓库 | 10分钟 | 无 |
| 5️⃣ | Python微服务镜像构建 | 20分钟 | ACR |
| 6️⃣ | Python微服务部署到SAE | 15分钟 | VPC, ACR |
| 7️⃣ | Node.js后端镜像构建 | 30分钟 | ACR, RDS |
| 8️⃣ | Node.js后端部署到SAE | 20分钟 | VPC, ACR, RDS, Python |
| 9️⃣ | 前端Nginx镜像构建 | 15分钟 | ACR |
| 🔟 | 前端Nginx部署到SAE | 15分钟 | VPC, ACR, Node.js |
| 1️⃣1️⃣ | CLB负载均衡器 | 10分钟 | 前端Nginx |
| 1️⃣2️⃣ | 全链路测试验证 | 30分钟 | 所有服务 |

**总计**：约3.5小时（不含问题排查）

---

## 🔑 一、前置准备（30分钟）

### 1.1 阿里云账号与资源

**检查清单**：
- [ ] 阿里云账号已实名认证
- [ ] 账户余额 ≥ 500元（建议1000元）
- [ ] 地域选择：华北2（北京）
- [ ] 已创建RAM访问密钥（用于Docker登录）

### 1.2 本地开发环境

**必需工具**：
- [ ] Docker Desktop（Windows/Mac）或 Docker Engine（Linux）
- [ ] Git（用于代码管理）
- [ ] Node.js 22+（用于本地构建）
- [ ] PowerShell 或 Bash（执行脚本）

**验证命令**：
```bash
docker --version    # 应显示 Docker version 24.0+
git --version       # 应显示 git version 2.x+
node --version      # 应显示 v22.x.x
```

### 1.3 项目代码准备

```bash
# 克隆项目（如果还没有）
git clone <your-repo-url> AIclinicalresearch
cd AIclinicalresearch

# 确认项目结构
ls -la
# 应该看到：backend/, frontend-v2/, extraction_service/, docs/
```

---

## 🌐 二、基础设施部署（1小时）

### 2.1 VPC网络（15分钟）

**登录VPC控制台**：https://vpc.console.aliyun.com/

#### 创建VPC

1. 点击【创建专有网络】
2. 配置参数：
   ```yaml
   VPC名称: ai-clinical-vpc
   地域: 华北2（北京）
   IPv4网段: 172.17.0.0/16
   ```
3. 点击【确定】

#### 创建交换机（2个，提高可用性）

**交换机1**：
```yaml
名称: ai-clinical-vsw-f
可用区: 华北2 可用区F
IPv4网段: 172.17.160.0/20
```

**交换机2**：
```yaml
名称: ai-clinical-vsw-a
可用区: 华北2 可用区A
IPv4网段: 172.17.192.0/20
```

#### 创建安全组

1. 进入【安全组】页面
2. 创建安全组：
   ```yaml
   名称: ai-clinical-sg
   网络: ai-clinical-vpc
   ```
3. 配置入方向规则：
   ```yaml
   # 允许VPC内网互通
   协议: 全部
   端口: -1/-1
   授权对象: 172.17.0.0/16
   
   # 允许HTTPS (443)
   协议: TCP
   端口: 443/443
   授权对象: 0.0.0.0/0
   
   # 允许HTTP (80)
   协议: TCP
   端口: 80/80
   授权对象: 0.0.0.0/0
   ```

---

### 2.2 NAT网关（15分钟）

**用途**：让VPC内的SAE应用能访问外网（拉取镜像、调用LLM API）

#### 创建NAT网关

**登录NAT网关控制台**：https://vpc.console.aliyun.com/nat/

1. 点击【创建NAT网关】
2. 配置参数：
   ```yaml
   名称: NAT_airesearch
   地域: 华北2（北京）
   VPC: ai-clinical-vpc
   交换机: ai-clinical-vsw-f
   网关类型: 增强型
   付费模式: 按量付费
   ```
3. 点击【立即购买】

#### 创建并绑定EIP

1. 在NAT网关详情页，点击【绑定弹性公网IP】
2. 选择【购买新的EIP】：
   ```yaml
   计费方式: 按使用流量
   带宽峰值: 5Mbps（测试环境够用）
   ```
3. 购买并绑定

#### 配置SNAT条目（关键！）

1. 进入NAT网关详情 → 【SNAT管理】
2. 添加SNAT条目1：
   ```yaml
   交换机: ai-clinical-vsw-f
   公网IP: 选择刚才的EIP
   ```
3. 添加SNAT条目2：
   ```yaml
   交换机: ai-clinical-vsw-a
   公网IP: 选择刚才的EIP
   ```

**验证**：
- SNAT条目状态显示【可用】✅

---

### 2.3 RDS PostgreSQL（30分钟）

**登录RDS控制台**：https://rdsnext.console.aliyun.com/

#### 创建实例

1. 点击【创建实例】
2. 配置参数：
   ```yaml
   # 基础配置
   地域: 华北2（北京）
   可用区: 可用区F（与交换机对应）
   数据库引擎: PostgreSQL
   版本: 15
   系列: 高可用版
   存储类型: ESSD云盘
   
   # 规格
   规格类型: 通用型
   规格: 2核4GB (pg.n2.2c.1m)
   存储空间: 100GB
   
   # 网络
   网络类型: 专有网络
   VPC: ai-clinical-vpc
   交换机: ai-clinical-vsw-f
   
   # 付费
   付费类型: 按量付费（测试）或 包年包月（生产）
   ```
3. 点击【立即购买】

#### 创建数据库和账号

**等待实例创建完成（约10分钟）**，然后：

1. 进入实例详情 → 【账号管理】
2. 创建高权限账号：
   ```yaml
   账号名称: airesearch
   账号密码: Xibahe@fengzhibo117  # 改为您的强密码
   账号类型: 高权限账号
   ```

3. 进入【数据库管理】
4. 创建数据库：
   ```yaml
   数据库名称: ai_clinical_research
   字符集: UTF8
   排序规则: en_US.utf8
   授权账号: airesearch (读写)
   ```

#### 配置白名单

1. 进入【数据安全性】→ 【白名单设置】
2. 修改默认分组：
   ```yaml
   白名单: 172.17.0.0/16  # VPC网段
   ```

#### 配置时区（重要！）

1. 进入【参数设置】
2. 搜索 `timezone`
3. 修改为：`Asia/Shanghai`
4. 点击【提交参数】

#### 导入数据

**方法1：使用本地数据库导出**（推荐）

```bash
# 从本地Docker导出
docker exec ai-clinical-postgres pg_dump \
  -U postgres \
  -d ai_clinical_research \
  --format=plain \
  --no-owner \
  --no-acl \
  --encoding=UTF8 \
  > rds_init.sql

# 临时开启RDS外网地址（仅用于导入）
# 在RDS控制台 → 数据库连接 → 申请外网地址

# 导入到RDS（需要容器内有psql客户端）
cat rds_init.sql | docker exec -i -e PGPASSWORD="Xibahe@fengzhibo117" \
  ai-clinical-postgres psql \
  -h pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com \
  -p 5432 -U airesearch -d ai_clinical_research

# 导入完成后，立即关闭外网地址（安全）
```

**验证**：
```bash
# 连接到RDS检查
docker exec -e PGPASSWORD="Xibahe@fengzhibo117" \
  ai-clinical-postgres psql \
  -h pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com \
  -p 5432 -U airesearch -d ai_clinical_research \
  -c "SELECT nspname FROM pg_namespace WHERE nspname LIKE '%_schema' ORDER BY nspname;"

# 应该看到：asl_schema, dc_schema, platform_schema 等
```

---

### 2.4 OSS对象存储（10分钟）

**登录OSS控制台**：https://oss.console.aliyun.com/

#### 创建Bucket

1. 点击【创建Bucket】
2. 配置参数：
   ```yaml
   Bucket名称: ai-clinical-research
   地域: 华北2（北京）
   存储类型: 标准存储
   读写权限: 私有
   存储冗余类型: 同城冗余存储
   版本控制: 关闭
   ```
3. 点击【确定】

#### 创建RAM访问密钥

1. 进入【访问控制RAM】：https://ram.console.aliyun.com/
2. 创建用户：
   ```yaml
   登录名称: oss-bucket-writer
   显示名称: OSS Bucket写入用户
   访问方式: ✅ OpenAPI调用访问
   ```
3. 保存AccessKey：
   ```yaml
   AccessKeyId: LTAI5tB2Dt3NdvBL3G7nYGv7
   AccessKeySecret: 1iSN9k39RkApP93QjUhC1DcPIeMG4V
   ```
   **⚠️ 立即复制保存，后续无法查看！**

4. 为用户授权：
   - 选择用户 → 【添加权限】
   - 选择权限：`AliyunOSSFullAccess`（或自定义权限）

---

### 2.5 ACR容器镜像仓库（10分钟）

**登录容器镜像服务**：https://cr.console.aliyun.com/

#### 创建命名空间

1. 进入【个人实例】→ 【命名空间】
2. 点击【创建命名空间】：
   ```yaml
   命名空间名称: ai-clinical
   ```

#### 创建镜像仓库（3个）

**仓库1：Python微服务**
```yaml
命名空间: ai-clinical
仓库名称: python-extraction
仓库类型: 私有
摘要: Python文档提取服务
```

**仓库2：Node.js后端**
```yaml
命名空间: ai-clinical
仓库名称: backend-service
仓库类型: 私有
摘要: Node.js后端API服务
```

**仓库3：前端Nginx**
```yaml
命名空间: ai-clinical
仓库名称: ai-clinical_frontend-nginx
仓库类型: 私有
摘要: React前端Nginx服务
```

#### 设置访问凭证

**在本地Docker登录ACR**：
```bash
# 个人版ACR登录（公网地址）
docker login \
  --username=gofeng117@163.com \
  --password=fengzhibo117 \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com

# 登录成功提示
# Login Succeeded
```

**记录镜像地址格式**：
```bash
# 公网地址（本地推送用）
crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/<仓库名>:<标签>

# VPC地址（SAE拉取用）
crpi-cd5ij4pjt65mweeo-vpc.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/<仓库名>:<标签>
```

---

## 🐍 三、Python微服务部署（35分钟）

### 3.1 构建Docker镜像（20分钟）

#### 进入目录

```bash
cd AIclinicalresearch/extraction_service
```

#### 检查Dockerfile

确认Dockerfile存在且内容正确：

```dockerfile
# 应该包含：
FROM python:3-slim
# ... 安装依赖
COPY requirements-prod.txt .
RUN pip install --no-cache-dir -r requirements-prod.txt
# ... 复制代码
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]
```

#### 构建镜像

```bash
# 构建镜像
docker build -t python-extraction:v1.0 .

# 等待构建完成（约10-15分钟）
# Successfully built...
# Successfully tagged python-extraction:v1.0
```

#### 本地测试（可选但推荐）

```bash
# 运行容器
docker run -d -p 8000:8000 --name python-test python-extraction:v1.0

# 测试健康检查
curl http://localhost:8000/api/health

# 应该返回：
# {
#   "status": "healthy",
#   "checks": {...}
# }

# 停止容器
docker stop python-test
docker rm python-test
```

#### 推送到ACR

```bash
# 打标签
docker tag python-extraction:v1.0 \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:v1.0

# 推送镜像
docker push \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:v1.0

# 等待推送完成（约5-10分钟，镜像约1.1GB）
# The push refers to repository [...]
# v1.0: digest: sha256:... size: ...
```

---

### 3.2 部署到SAE（15分钟）

**登录SAE控制台**：https://sae.console.aliyun.com/

#### 创建命名空间（首次）

1. 进入【命名空间】
2. 点击【创建命名空间】：
   ```yaml
   命名空间ID: cn-beijing:test-airesearch
   命名空间名称: 测试环境
   ```

#### 创建应用

1. 点击【创建应用】
2. 应用基本信息：
   ```yaml
   应用名称: python-extraction-test
   命名空间: cn-beijing:test-airesearch
   
   # 实例规格
   CPU: 1核
   内存: 2GB
   实例数: 1
   
   # 应用部署方式
   部署方式: 镜像
   镜像类型: 容器镜像服务企业版/个人版
   ```

3. 选择镜像：
   ```yaml
   地域: 华北2（北京）
   命名空间: ai-clinical
   仓库: python-extraction
   镜像版本: v1.0
   
   # ⚠️ 使用VPC地址（SAE内网拉取，免流量费）
   镜像地址会自动转为VPC地址：
   crpi-cd5ij4pjt65mweeo-vpc.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:v1.0
   ```

4. 配置镜像访问凭证：
   ```yaml
   用户名: gofeng117@163.com
   密码: fengzhibo117
   ```

5. 应用配置：
   ```yaml
   # 启动命令配置
   启动命令: 留空（使用Dockerfile的CMD）
   
   # 端口配置
   容器端口: 8000
   协议: TCP
   ```

6. 环境变量（可选）：
   ```bash
   LOG_LEVEL=INFO
   TEMP_DIR=/tmp/extraction_service
   ```

7. 网络配置：
   ```yaml
   VPC: ai-clinical-vpc
   交换机: ai-clinical-vsw-f
   安全组: ai-clinical-sg
   ```

8. 健康检查：
   ```yaml
   # 存活检查（Liveness）
   检查方式: HTTP
   检查路径: /api/health
   端口: 8000
   初始延迟: 30秒
   检查间隔: 10秒
   检查超时: 5秒
   不健康阈值: 3次
   
   # 就绪检查（Readiness）
   检查方式: HTTP
   检查路径: /api/health
   端口: 8000
   初始延迟: 10秒
   ```

9. 点击【确认创建】

#### 等待部署完成

- 查看【实例部署】页面
- 状态变为【Running】（约5-10分钟）
- 记录内网地址：`http://172.17.173.66:8000`

#### 验证部署

```bash
# 方法1：在SAE应用内查看日志
# 应该看到：
# INFO:     Uvicorn running on http://0.0.0.0:8000
# INFO:     Application startup complete

# 方法2：从Node.js应用测试（部署后）
curl http://172.17.173.66:8000/api/health
```

---

## 🟢 四、Node.js后端部署（50分钟）

### 4.1 准备工作（10分钟）

#### 生成强JWT密钥

```bash
# 在PowerShell或Bash中生成
openssl rand -hex 32
# 或
node -e "console.log(require('crypto').randomBytes(32).toString('hex'))"

# 示例输出（使用您自己生成的）：
# 8a3f9e7c2d1b5a4e6f8c9d0a3b5e7f1c2a4b6c8d0e2f4a6b8c0d2e4f6a8b0c2d4
```

#### 准备环境变量清单

创建文件 `backend/.env.production`（不提交到Git）：

```bash
# ==================== 基础配置 ====================
NODE_ENV=production
PORT=3001
LOG_LEVEL=info

# ==================== 数据库连接 ====================
DATABASE_URL=postgresql://airesearch:Xibahe%40fengzhibo117@pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com:5432/ai_clinical_research?connection_limit=18&pool_timeout=10

# ==================== Python微服务 ⚠️ 关键！====================
EXTRACTION_SERVICE_URL=http://172.17.173.66:8000

# ==================== OSS对象存储 ====================
OSS_ACCESS_KEY_ID=LTAI5tB2Dt3NdvBL3G7nYGv7
OSS_ACCESS_KEY_SECRET=1iSN9k39RkApP93QjUhC1DcPIeMG4V
OSS_BUCKET=ai-clinical-research
OSS_ENDPOINT=oss-cn-beijing-internal.aliyuncs.com
OSS_REGION=cn-beijing

# ==================== JWT认证 ====================
JWT_SECRET=8a3f9e7c2d1b5a4e6f8c9d0a3b5e7f1c2a4b6c8d0e2f4a6b8c0d2e4f6a8b0c2d4
JWT_EXPIRES_IN=7d

# ==================== LLM API密钥 ====================
DEEPSEEK_API_KEY=sk-7f8cc37a79fa4799860b38fc7ba2e150
DASHSCOPE_API_KEY=sk-75b4ff29a14a49e79667a331034f3298

# ==================== CloseAI配置 ====================
CLOSEAI_API_KEY=sk-cu0iepbXYGGx2jc7BqP6ogtSWmP6fk918qV3RUdtGC3Ed1po
CLOSEAI_OPENAI_BASE_URL=https://api.openai-proxy.org/v1
CLOSEAI_CLAUDE_BASE_URL=https://api.openai-proxy.org/anthropic

# ==================== Dify配置 ====================
DIFY_API_URL=http://localhost/v1
DIFY_API_KEY=dataset-mfvdiKvQ213NvxWm7RoYMN3c

# ==================== Postgres-Only架构 ====================
QUEUE_TYPE=pgboss
CACHE_TYPE=postgres
```

---

### 4.2 构建Docker镜像（30分钟）

#### 方案选择

我们使用**方案B：本地编译 + Docker打包**（最稳定）

#### 步骤1：本地编译TypeScript

```bash
cd AIclinicalresearch/backend

# 安装依赖
npm install

# 编译TypeScript
npm run build

# 验证编译结果
ls dist/
# 应该看到：index.js, common/, modules/ 等
```

#### 步骤2：检查Dockerfile

确认Dockerfile内容正确：

```dockerfile
FROM node:22-alpine

WORKDIR /app

# 复制package.json和package-lock.json
COPY package*.json ./

# 只安装生产依赖
RUN npm ci --only=production --ignore-scripts

# 复制编译后的代码
COPY dist ./dist

# 复制Prisma客户端
COPY node_modules/.prisma ./node_modules/.prisma

# 复制Prisma schema（用于runtime）
COPY prisma ./prisma

# ⚠️ 复制config目录（重要！）
COPY config ./config

# 暴露端口
EXPOSE 3001

# 启动命令
CMD ["node", "dist/index.js"]
```

**⚠️ 关键修复1**：必须包含 `COPY config ./config`，否则会报错 `ENOENT: no such file or directory, open '/app/config/agents.yaml'`

#### 步骤3：构建镜像

```bash
# 构建镜像
docker build -t backend-service:v1.3 .

# 等待构建完成（约5分钟）
```

#### 步骤4：本地测试（推荐）

```bash
# 运行容器（连接本地数据库测试）
docker run -d -p 3001:3001 \
  -e NODE_ENV=production \
  -e DATABASE_URL="postgresql://postgres:postgres@host.docker.internal:5432/ai_clinical_research" \
  -e EXTRACTION_SERVICE_URL=http://host.docker.internal:8000 \
  --name backend-test \
  backend-service:v1.3

# 查看日志
docker logs -f backend-test

# 应该看到：
# ✅ Loaded 12 agent configurations
# ✅ 数据库连接成功
# 🚀 AI临床研究平台 - 后端服务器启动成功！
# 📍 服务地址: http://localhost:3001

# 测试健康检查
curl http://localhost:3001/health

# 停止测试容器
docker stop backend-test
docker rm backend-test
```

#### 步骤5：推送到ACR

```bash
# 打标签
docker tag backend-service:v1.3 \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/backend-service:v1.3

# 推送镜像
docker push \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/backend-service:v1.3

# 等待推送完成（约10分钟，镜像约838MB）
```

---

### 4.3 部署到SAE（10分钟）

**登录SAE控制台**：https://sae.console.aliyun.com/

#### 创建应用

1. 点击【创建应用】
2. 应用基本信息：
   ```yaml
   应用名称: nodejs-backend-test
   命名空间: cn-beijing:test-airesearch
   
   # 实例规格
   CPU: 1核
   内存: 2GB
   实例数: 1
   ```

3. 选择镜像：
   ```yaml
   镜像类型: 容器镜像服务企业版/个人版
   地域: 华北2（北京）
   命名空间: ai-clinical
   仓库: backend-service
   镜像版本: v1.3
   
   # 镜像访问凭证
   用户名: gofeng117@163.com
   密码: fengzhibo117
   ```

4. 应用配置：
   ```yaml
   # 启动命令
   启动命令: 留空（使用Dockerfile的CMD）
   
   # ⚠️ 关键：不要配置 /bin/bash，Alpine Linux没有bash！
   
   # 端口配置
   容器端口: 3001
   协议: TCP
   ```

5. 环境变量（⚠️ 非常重要！）：

   **复制上面准备的完整环境变量清单**，特别注意：
   
   ```bash
   # ⚠️ 最容易出错的环境变量
   EXTRACTION_SERVICE_URL=http://172.17.173.66:8000
   # 不是 PYTHON_SERVICE_URL！名字必须正确！
   
   DATABASE_URL=postgresql://airesearch:Xibahe%40fengzhibo117@pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com:5432/ai_clinical_research?connection_limit=18&pool_timeout=10
   # 注意：@ 要写成 %40
   ```

6. 网络配置：
   ```yaml
   VPC: ai-clinical-vpc
   交换机: ai-clinical-vsw-f
   安全组: ai-clinical-sg
   ```

7. 健康检查：
   ```yaml
   # 存活检查（Liveness）
   检查方式: HTTP
   检查路径: /health
   端口: 3001
   初始延迟: 60秒  # Node.js启动较慢
   检查间隔: 10秒
   
   # 就绪检查（Readiness）
   检查方式: HTTP
   检查路径: /health
   端口: 3001
   初始延迟: 30秒
   ```

8. 点击【确认创建】

#### 等待部署完成

- 查看【实例部署】页面
- 状态变为【Running】（约10分钟）
- 记录内网地址：`http://172.17.173.73:3001`

#### 验证部署

查看日志，确认以下信息：

```bash
# ✅ 应该看到的日志：
✅ Loaded 12 agent configurations
[PgBossQueue] Using PgBossQueue (Postgres-Only架构)
[PostgresCacheAdapter] Cleanup task started
✅ 数据库连接成功！
📊 数据库版本: PostgreSQL 15.14
PythonExecutorService initialized: http://172.17.173.66:8000  # ⚠️ 确认这个！
🚀 AI临床研究平台 - 后端服务器启动成功！
📍 服务地址: http://localhost:3001
Server listening at http://172.17.173.73:3001

# ❌ 如果看到错误：
ENOENT: no such file or directory, open '/app/config/agents.yaml'
→ Dockerfile缺少 COPY config ./config

Error: unable to determine transport target for "pino-pretty"
→ src/index.ts 日志配置问题，需要条件判断环境

ReferenceError: require is not defined
→ healthCheck.ts 使用了require，需改为import
```

---

### 4.4 常见问题修复

#### 问题1：config目录缺失

**错误**：
```
ENOENT: no such file or directory, open '/app/config/agents.yaml'
```

**解决**：
```dockerfile
# 在Dockerfile中添加
COPY config ./config
```

#### 问题2：pino-pretty生产环境报错

**错误**：
```
Error: unable to determine transport target for "pino-pretty"
```

**解决**：修改 `src/index.ts`
```typescript
const fastify = Fastify({
  logger: config.nodeEnv === 'production'
    ? { level: config.logLevel }  // 生产环境：简单JSON日志
    : {  // 开发环境：pino-pretty
        level: config.logLevel,
        transport: {
          target: 'pino-pretty',
          options: {
            colorize: true,
            translateTime: 'HH:MM:ss Z',
            ignore: 'pid,hostname',
          },
        },
      },
});
```

#### 问题3：healthCheck require报错

**错误**：
```
ReferenceError: require is not defined in ES module
```

**解决**：修改 `src/common/health/healthCheck.ts`
```typescript
import os from 'os';  // 添加导入

// 修改使用方式
checks.cpu = {
  usage: process.cpuUsage(),
  loadAverage: process.platform !== 'win32' ? os.loadavg() : 'N/A'  // 使用import的os
}
```

#### 问题4：bash路径错误

**错误**：
```
executable '/bin/bash' not found in $PATH
```

**解决**：
- SAE启动命令留空，使用Dockerfile的CMD
- 或使用 `/bin/sh` 代替 `/bin/bash`

---

## 🎨 五、前端Nginx部署（30分钟）

### 5.1 构建Docker镜像（15分钟）

#### 进入目录

```bash
cd AIclinicalresearch/frontend-v2
```

#### 检查关键文件

**1. Dockerfile**（多阶段构建）：
```dockerfile
# 第一阶段：构建React应用
FROM node:22-alpine AS builder
WORKDIR /app
COPY package*.json ./
RUN npm ci
COPY . .
RUN npm run build

# 第二阶段：Nginx托管
FROM nginx:alpine
COPY --from=builder /app/dist /usr/share/nginx/html
COPY nginx.conf /etc/nginx/templates/nginx.conf.template
COPY docker-entrypoint.sh /docker-entrypoint.sh
RUN chmod +x /docker-entrypoint.sh
EXPOSE 80
ENTRYPOINT ["/docker-entrypoint.sh"]
```

**2. docker-entrypoint.sh**（动态配置）：
```bash
#!/bin/bash
set -e

# ⚠️ 检查必需的环境变量
if [ -z "$BACKEND_SERVICE_HOST" ]; then
  echo "❌ ERROR: BACKEND_SERVICE_HOST environment variable is required!"
  exit 1
fi

if [ -z "$BACKEND_SERVICE_PORT" ]; then
  export BACKEND_SERVICE_PORT=3001  # 默认值
fi

# 使用envsubst动态替换配置
envsubst '${BACKEND_SERVICE_HOST} ${BACKEND_SERVICE_PORT}' \
  < /etc/nginx/templates/nginx.conf.template \
  > /etc/nginx/nginx.conf

# 启动Nginx
exec nginx -g 'daemon off;'
```

**3. nginx.conf**（使用变量占位符）：
```nginx
upstream backend {
    server ${BACKEND_SERVICE_HOST}:${BACKEND_SERVICE_PORT} fail_timeout=30s max_fails=3;
    keepalive 32;
}

server {
    listen 80;
    root /usr/share/nginx/html;
    
    # API反向代理
    location /api/ {
        proxy_pass http://backend;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        # ...
    }
    
    # SPA路由支持
    location / {
        try_files $uri $uri/ /index.html;
    }
}
```

#### 构建镜像

```bash
# 构建镜像
docker build -t ai-clinical_frontend-nginx:v1.0 .

# 等待构建完成（约10分钟）
# 第一阶段会构建React应用，第二阶段打包到Nginx
```

#### 本地测试

```bash
# 运行容器
docker run -d -p 3000:80 \
  -e BACKEND_SERVICE_HOST=host.docker.internal \
  -e BACKEND_SERVICE_PORT=3001 \
  --name frontend-test \
  ai-clinical_frontend-nginx:v1.0

# 访问前端
open http://localhost:3000
# 或
curl http://localhost:3000

# 停止容器
docker stop frontend-test
docker rm frontend-test
```

#### 推送到ACR

```bash
# 打标签
docker tag ai-clinical_frontend-nginx:v1.0 \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/ai-clinical_frontend-nginx:v1.0

# 推送镜像
docker push \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/ai-clinical_frontend-nginx:v1.0

# 等待推送完成（约3分钟，镜像约50MB）
```

---

### 5.2 部署到SAE（15分钟）

**登录SAE控制台**：https://sae.console.aliyun.com/

#### 创建应用

1. 点击【创建应用】
2. 应用基本信息：
   ```yaml
   应用名称: frontend-nginx-service
   命名空间: cn-beijing:test-airesearch
   
   # 实例规格
   CPU: 0.5核
   内存: 1GB
   实例数: 1
   ```

3. 选择镜像：
   ```yaml
   镜像类型: 容器镜像服务企业版/个人版
   地域: 华北2（北京）
   命名空间: ai-clinical
   仓库: ai-clinical_frontend-nginx
   镜像版本: v1.0
   
   # 镜像访问凭证
   用户名: gofeng117@163.com
   密码: fengzhibo117
   ```

4. 应用配置：
   ```yaml
   # 启动命令
   启动命令: 留空（使用ENTRYPOINT）
   
   # 端口配置
   容器端口: 80
   协议: TCP
   ```

5. 环境变量（⚠️ 关键配置）：
   ```bash
   BACKEND_SERVICE_HOST=172.17.173.73  # Node.js后端内网IP
   BACKEND_SERVICE_PORT=3001
   ```

6. 网络配置：
   ```yaml
   VPC: ai-clinical-vpc
   交换机: ai-clinical-vsw-f
   安全组: ai-clinical-sg
   ```

7. 健康检查：
   ```yaml
   # 存活检查
   检查方式: HTTP
   检查路径: /health
   端口: 80
   初始延迟: 10秒
   检查间隔: 10秒
   
   # 就绪检查
   检查方式: HTTP
   检查路径: /health
   端口: 80
   初始延迟: 5秒
   ```

8. 点击【确认创建】

#### 等待部署完成

- 查看【实例部署】页面
- 状态变为【Running】（约5分钟）
- 记录内网地址：`http://172.17.173.72:80`

#### 验证部署

查看日志：

```bash
# ✅ 应该看到：
============================================
Starting Frontend Nginx Service
Backend Service: 172.17.173.73:3001
============================================
nginx: the configuration file /etc/nginx/nginx.conf syntax is ok
nginx: configuration file /etc/nginx/nginx.conf test is successful
```

---

## 🌐 六、CLB负载均衡配置（10分钟）

### 6.1 配置公网访问

**方式1：SAE自动创建CLB（推荐）**

1. 进入SAE应用：`frontend-nginx-service`
2. 点击【公网访问】或【访问配置】Tab
3. 点击【添加公网访问】
4. 配置参数：
   ```yaml
   负载均衡类型: 公网
   负载均衡产品: CLB (传统型负载均衡)
   付费模式: 按量付费
   
   # 监听配置
   协议: HTTP
   端口: 80
   后端端口: 80
   
   # 健康检查
   健康检查: 启用
   检查路径: /health
   ```
5. 点击【确定】
6. 等待2-3分钟，自动分配公网IP

**方式2：手动创建CLB**

1. 登录CLB控制台：https://slb.console.aliyun.com/
2. 创建负载均衡实例
3. 配置监听器（HTTP:80）
4. 添加后端服务器（前端Nginx的内网IP）
5. 配置健康检查

### 6.2 获取公网地址

- 在SAE应用详情页查看【公网访问地址】
- 示例：`http://8.140.53.236/`
- 复制此地址用于测试

---

## ✅ 七、完整链路测试（30分钟）

### 7.1 基础功能测试

#### 测试1：前端页面访问

```bash
# 浏览器访问
http://8.140.53.236/

# 应该看到：
✅ React应用正常加载
✅ 页面样式正常
✅ 没有CORS错误
```

#### 测试2：健康检查

```bash
# 后端健康检查（通过前端代理）
curl http://8.140.53.236/api/v1/health
# 或
curl http://172.17.173.73:3001/health

# 应该返回：
{
  "status": "ok",
  "timestamp": "...",
  "services": {
    "database": "connected",
    "cache": "available",
    "queue": "running"
  }
}
```

#### 测试3：Python服务连接

```bash
# 直接测试Python服务
curl http://172.17.173.66:8000/api/health

# 应该返回：
{
  "status": "healthy",
  "checks": {
    "pymupdf": {"available": true, "version": "1.26.7"},
    ...
  }
}
```

---

### 7.2 业务功能测试

#### 测试1：用户登录

1. 访问 http://8.140.53.236/
2. 输入用户名密码
3. 点击登录
4. 查看浏览器Network面板：
   ```
   Request URL: http://8.140.53.236/api/v1/auth/login
   Status: 200 OK ✅
   Response: { "token": "...", "user": {...} }
   ```

#### 测试2：数据清洗模块（工具C）

1. 进入【数据清洗】→ 【工具C】
2. 上传Excel文件
3. 验证上传成功
4. 测试7大功能之一（如：数值映射）：
   - 选择列
   - 配置映射规则
   - 点击【执行映射】
   - 查看结果

**关键验证**：
```
浏览器Network面板：
POST http://8.140.53.236/api/v1/dc/tool-c/quick-action
Status: 200 OK ✅

后端日志：
[QuickActionService] 调用重编码API: 性别
PythonExecutorService initialized: http://172.17.173.66:8000 ✅
[QuickActionService] 重编码成功 ✅
```

#### 测试3：文献筛查模块（ASL）

1. 进入【文献筛查】模块
2. 创建项目
3. 上传文献
4. 执行智能筛查
5. 验证结果

---

### 7.3 性能测试

#### 响应时间检查

```bash
# 使用curl测试响应时间
curl -w "@-" -o /dev/null -s http://8.140.53.236/ <<'EOF'
    time_namelookup:  %{time_namelookup}\n
       time_connect:  %{time_connect}\n
    time_appconnect:  %{time_appconnect}\n
   time_pretransfer:  %{time_pretransfer}\n
      time_redirect:  %{time_redirect}\n
 time_starttransfer:  %{time_starttransfer}\n
                    ----------\n
         time_total:  %{time_total}\n
EOF

# 期望结果：
# time_total < 1秒（首次访问）
# time_total < 0.3秒（后续访问）
```

---

## 📊 八、部署成果总结

### 8.1 已部署服务清单

| 服务 | 状态 | 内网地址 | 公网访问 |
|------|------|---------|---------|
| RDS PostgreSQL | ✅ | pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com:5432 | ❌ |
| Python微服务 | ✅ | 172.17.173.66:8000 | ❌ |
| Node.js后端 | ✅ | 172.17.173.73:3001 | ❌ |
| 前端Nginx | ✅ | 172.17.173.72:80 | ✅ |
| CLB负载均衡 | ✅ | - | http://8.140.53.236/ |

### 8.2 关键配置速查

#### Python微服务环境变量
```bash
LOG_LEVEL=INFO
TEMP_DIR=/tmp/extraction_service
```

#### Node.js后端关键环境变量
```bash
NODE_ENV=production
PORT=3001
DATABASE_URL=postgresql://airesearch:Xibahe%40fengzhibo117@pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com:5432/ai_clinical_research
EXTRACTION_SERVICE_URL=http://172.17.173.66:8000  # ⚠️ 关键！不是PYTHON_SERVICE_URL
```

#### 前端Nginx关键环境变量
```bash
BACKEND_SERVICE_HOST=172.17.173.73  # Node.js后端内网IP
BACKEND_SERVICE_PORT=3001
```

---

## ⚠️ 九、关键经验与注意事项

### 9.1 环境变量名必须精确

**问题**：工具C的7大功能全部报错
```
connect ECONNREFUSED 127.0.0.1:8000
```

**原因**：Node.js代码使用 `EXTRACTION_SERVICE_URL`，但SAE配置了 `PYTHON_SERVICE_URL`

**解决**：
```bash
# ❌ 错误
PYTHON_SERVICE_URL=http://172.17.173.66:8000

# ✅ 正确
EXTRACTION_SERVICE_URL=http://172.17.173.66:8000
```

**教训**：环境变量名必须与代码完全一致，一个字母都不能错！

---

### 9.2 "重启应用" vs "部署应用"

**问题**：点击"部署应用"导致IP地址变更

| 操作 | 用途 | IP是否变 | 何时使用 |
|------|------|---------|---------|
| **重启应用** | 重启容器 | ❌ 不会 | 修改环境变量后 |
| **部署应用** | 更新镜像 | ✅ 会变 | 更新代码/镜像时 |

**教训**：
- 只修改环境变量 → 用"重启应用"
- 更新代码/镜像 → 用"部署应用"

---

### 9.3 Dockerfile必须包含config目录

**问题**：
```
ENOENT: no such file or directory, open '/app/config/agents.yaml'
```

**解决**：
```dockerfile
# ✅ 必须添加
COPY config ./config
```

---

### 9.4 pino-pretty仅用于开发环境

**问题**：
```
Error: unable to determine transport target for "pino-pretty"
```

**原因**：`pino-pretty`是devDependencies，生产环境没有安装

**解决**：条件判断环境
```typescript
logger: config.nodeEnv === 'production'
  ? { level: config.logLevel }
  : { level: config.logLevel, transport: { target: 'pino-pretty', ... } }
```

---

### 9.5 ES Module兼容性

**问题**：
```
ReferenceError: require is not defined in ES module
```

**解决**：
```typescript
// ❌ 错误
require('os').loadavg()

// ✅ 正确
import os from 'os';
os.loadavg()
```

---

### 9.6 Alpine Linux没有bash

**问题**：
```
executable '/bin/bash' not found in $PATH
```

**解决**：
- SAE启动命令留空
- 或使用 `/bin/sh` 代替

---

### 9.7 数据库URL中的@符号

**格式**：
```bash
# ✅ 正确（URL编码）
DATABASE_URL=postgresql://airesearch:Xibahe%40fengzhibo117@pgm-xxx.pg.rds.aliyuncs.com:5432/ai_clinical_research

# ❌ 错误（未编码）
DATABASE_URL=postgresql://airesearch:Xibahe@fengzhibo117@pgm-xxx.pg.rds.aliyuncs.com:5432/ai_clinical_research
```

**规则**：密码中的 `@` 必须编码为 `%40`

---

### 9.8 使用VPC镜像地址（SAE拉取）

**SAE部署时选择镜像**：
```bash
# ✅ 正确（VPC地址，免流量费）
crpi-cd5ij4pjt65mweeo-vpc.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/backend-service:v1.3

# ❌ 不推荐（公网地址，收流量费）
crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/backend-service:v1.3
```

**规则**：
- 本地推送镜像 → 使用公网地址
- SAE拉取镜像 → 使用VPC地址

---

### 9.9 健康检查初始延迟

**不同服务的启动时间**：

| 服务 | 启动时间 | 初始延迟建议 |
|------|---------|-------------|
| Python微服务 | 10秒 | 30秒 |
| Node.js后端 | 30秒 | 60秒 |
| 前端Nginx | 5秒 | 10秒 |

**教训**：Node.js启动较慢，需要更长的初始延迟

---

### 9.10 前端动态配置后端地址

**架构优势**：
- 前端使用环境变量 `BACKEND_SERVICE_HOST`
- 通过 `envsubst` 在容器启动时动态注入
- 后端IP变更时，只需重启前端应用，无需重新构建镜像

**关键文件**：
- `docker-entrypoint.sh`：动态替换配置
- `nginx.conf`：使用 `${BACKEND_SERVICE_HOST}` 占位符

---

## 🚀 十、未来优化建议

### 10.1 使用服务发现代替IP地址

**当前配置**（使用IP）：
```bash
BACKEND_SERVICE_HOST=172.17.173.73
EXTRACTION_SERVICE_URL=http://172.17.173.66:8000
```

**优化方案**（使用服务名）：
```bash
BACKEND_SERVICE_HOST=nodejs-backend-test.cn-beijing:test-airesearch.svc.cluster.local
EXTRACTION_SERVICE_URL=http://python-extraction-test.cn-beijing:test-airesearch.svc.cluster.local:8000
```

**优点**：
- ✅ IP变更不影响通信
- ✅ 自动负载均衡
- ✅ 更稳定可靠

---

### 10.2 配置HTTPS

**步骤**：
1. 申请域名
2. 申请SSL证书（阿里云免费证书或Let's Encrypt）
3. 在CLB配置HTTPS监听（端口443）
4. 上传SSL证书
5. 配置HTTP自动跳转HTTPS

---

### 10.3 配置自动扩缩容

**SAE弹性伸缩**：
```yaml
# 根据CPU使用率自动扩缩容
最小实例数: 1
最大实例数: 3
目标CPU使用率: 70%
```

**适用场景**：
- 流量波动大
- 高峰期需要更多实例
- 低峰期节约成本

---

### 10.4 配置日志分析

**阿里云SLS（日志服务）**：
- 自动收集SAE日志
- 实时查询和分析
- 配置告警规则

---

### 10.5 配置监控告警

**云监控配置**：
```yaml
CPU使用率 > 80%  → 告警
内存使用率 > 80% → 告警
健康检查失败    → 告警
错误日志增多    → 告警
```

---

## 📝 十一、快速命令参考

### 11.1 Docker镜像管理

```bash
# 登录ACR
docker login --username=gofeng117@163.com \
  --password=fengzhibo117 \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com

# 构建并推送Python镜像
cd AIclinicalresearch/extraction_service
docker build -t python-extraction:v1.0 .
docker tag python-extraction:v1.0 \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:v1.0
docker push crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:v1.0

# 构建并推送Node.js镜像
cd ../backend
npm run build
docker build -t backend-service:v1.3 .
docker tag backend-service:v1.3 \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/backend-service:v1.3
docker push crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/backend-service:v1.3

# 构建并推送前端镜像
cd ../frontend-v2
docker build -t ai-clinical_frontend-nginx:v1.0 .
docker tag ai-clinical_frontend-nginx:v1.0 \
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/ai-clinical_frontend-nginx:v1.0
docker push crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/ai-clinical_frontend-nginx:v1.0
```

---

### 11.2 数据库连接

```bash
# 连接到RDS（临时开启外网）
docker exec -e PGPASSWORD="Xibahe@fengzhibo117" \
  ai-clinical-postgres psql \
  -h pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com \
  -p 5432 -U airesearch -d ai_clinical_research

# 查看Schema列表
docker exec -e PGPASSWORD="Xibahe@fengzhibo117" \
  ai-clinical-postgres psql \
  -h pgm-2zex1m2y3r23hdn5.pg.rds.aliyuncs.com \
  -p 5432 -U airesearch -d ai_clinical_research \
  -c "SELECT nspname FROM pg_namespace WHERE nspname LIKE '%_schema';"
```

---

### 11.3 健康检查

```bash
# Python服务
curl http://172.17.173.66:8000/api/health

# Node.js后端
curl http://172.17.173.73:3001/health

# 前端Nginx
curl http://172.17.173.72:80/health

# 公网访问
curl http://8.140.53.236/
```

---

## 🎉 十二、部署完成检查清单

### 最终验证

- [ ] ✅ Python微服务健康检查通过
- [ ] ✅ Node.js后端健康检查通过
- [ ] ✅ 前端Nginx健康检查通过
- [ ] ✅ 公网地址可以访问
- [ ] ✅ 用户可以正常登录
- [ ] ✅ 文献筛查功能正常
- [ ] ✅ 数据清洗工具C的7大功能正常
- [ ] ✅ 文件上传功能正常
- [ ] ✅ AI对话功能正常
- [ ] ✅ 没有CORS错误
- [ ] ✅ 没有502/504错误
- [ ] ✅ 响应时间 < 1秒

### 文档更新

- [ ] 更新 `00-部署进度总览.md` 中的内网IP地址
- [ ] 记录公网访问地址
- [ ] 记录遇到的问题和解决方案
- [ ] 更新环境变量清单

---

## 📞 十三、技术支持

### 常见问题排查

**问题1：工具C功能报错 "connect ECONNREFUSED 127.0.0.1:8000"**
- 检查Node.js环境变量 `EXTRACTION_SERVICE_URL`
- 确保值为 `http://172.17.173.66:8000`
- 重启Node.js应用

**问题2：前端访问后端报502错误**
- 检查前端环境变量 `BACKEND_SERVICE_HOST`
- 确保值为Node.js后端的内网IP
- 重启前端应用

**问题3：SAE应用启动失败**
- 查看实例日志，找到具体错误信息
- 参考本文档第9节"关键经验与注意事项"
- 对照检查Dockerfile和环境变量

---

## 🎯 总结

恭喜！您已经完成了AI临床研究平台的完整部署！

**部署成果**：
- ✅ 4个服务全部成功部署（Python、Node.js、前端、数据库）
- ✅ 所有功能正常运行
- ✅ 公网可以访问
- ✅ 生产环境就绪

**部署时间**：
- 预计时间：3.5小时
- 实际时间：约6小时（包含问题排查）

**关键经验**：
- 环境变量名必须精确匹配
- 区分"重启应用"和"部署应用"
- Dockerfile必须包含所有必需文件
- 使用VPC地址拉取镜像
- 健康检查初始延迟要足够

**下一步**：
- 配置HTTPS
- 绑定域名
- 配置监控告警
- 优化性能
- 配置自动备份

---

> **文档维护**：本文档基于2025-12-25实际部署经历编写，请根据实际情况更新  
> **最后更新**：2025-12-25  
> **部署状态**：✅ 完全成功