FineChatBI 手动部署（非运维平台）

本文将介绍如何部署 FineChatBI 。

1）FineChatBI 以 FineBI 为底座进行分析，所以需要先准备一台 FineBI 工程。

2）部署语义解析小模型：用户提出的问题通过语义解析小模型转化成可执行的数据查询语句，是 FineChatBI 功能的核心。

3）部署 FineAI：FineAI 作为算法工具以及承担大模型转发工作

4）安装问答 FineChatBI 插件。

注：本文的部署方案仅适用于非 OPS 部署场景。若 FineBI 采用 OPS 部署方式，则 FineChatBI 同样需要采用 OPS 部署，无法按照本文所述的部署方式进行操作。

若将三项全部部署在同一台服务器，或者将其中两项部署在同一台服务器，服务器的内存和硬盘资源需求需进行累加计算，其他配置项则选最高配置。

在为语义解析小模型准备的服务器环境中执行本节操作。

获取语义解析小模型的部署资源：

3.1 安装 Docker

安装步骤中需要使用到 Docker，请先检查服务器中是否已完成安装 Docker，检查 Docker 命令：docker --version

• 若没有安装则会显示 command not found，如下图所示，此时则需要在服务器上安装 Docker，安装步骤可参考：Linux系统在线安装Docker

• 若已安装则会显示 Docker 的版本信息，如下图所示：

3.2 安装镜像

0）（可选）镜像文件完整性校验
安装镜像过程失败时，可查看镜像文件 md5 码和本文档是否一致，若不一致则需要重新下载文件。

示例代码：md5sum fine-chat-bi-parser-base_v1_6.tar

1）将 「镜像」上传到服务器中指定的文件夹中

示例上传文件夹路径为：/home/AI

注：直接上传，上传后不要解压！！！

2）使用命令进入到文件夹路径，命令为：cd 文件夹路径

示例代码：cd /home/AI

3）检查文件

示例代码：ls

4）运行镜像文件，命令为：docker load -i 镜像文件压缩包

示例代码：docker load -i fine-chat-bi-parser-base_v1_6.tar

5）运行完成后，使用命令检查，出现镜像的名称和版本号即为完成，命令为：docker images

示例代码：docker images

6）使用命令运行镜像，命令为：docker run -it -e TZ=Asia/Shanghai --name fine-chat-bi-parser-base -d -p 8666:8666 基础镜像名称:基础镜像版本号

示例代码：docker run -it -e TZ=Asia/Shanghai --name fine-chat-bi-parser-base -d -p 8666:8666 fine-chat-bi-parser-base:v1.6

7）使用命令检查容器，命令为：docker ps

3.3 安装代码

1）将获取的代码文件 encrypt_vXX_XXX.tar 包上传至服务器，之后再解压。命令为：tar -xvf 代码文件路径/代码文件名称

示例代码：tar -xvf /home/AI/encrypt_v1_5_1.tar

2）将代码文件放置到镜像中，命令为：docker cp 代码文件路径/代码文件名称 fine-chat-bi-parser-base:/root/

示例代码：docker cp /home/AI/encrypt_v1_5_1/ fine-chat-bi-parser-base:/root/

3）进入镜像的 /bin/bash 文件夹中，命令为：docker exec -it 镜像名称 /bin/bash

示例代码：docker exec -it fine-chat-bi-parser-base /bin/bash

4）进入代码文件夹，命令为：cd /root/代码文件名称/pipeline/

示例代码：cd /root/encrypt_v1_5_1/pipeline/

5）运行代码，命令为：nohup python app.py &

示例代码：nohuppython app.py &

终端显示 nohup : ignoring input and appending output to 'nohup.out' 为正常现象

6）可直接关闭终端，退出 Docker 容器。

在为 FineAI 准备的服务器环境中执行本节操作。

4.1 安装 Docker

检查服务器是否已安装 Docker，以满足 FineAI 部署的先决条件，检查 Docker 命令：docker --version

• 若没有安装则会显示 command not found，如下图所示，此时则需要在服务器上安装 Docker，安装步骤可参考：Linux系统在线安装Docker

• 若已安装则会显示 Docker 的版本信息，如下图所示：

4.2 上传并运行 Docker 镜像文件

FineAI docker镜像文件下载：FineAI 镜像文件

1）将 Docker 镜像文件（图中为 fine_ai.tar）传输至服务器的指定目录，示例路径：/home/fineai

如果收到后镜像文件以 .gz 结尾，则需要将其解压，解压后如下图所示：

命令示例：gunzip fine-ai-base_v0_1.tar.gz

2）执行 docker load  命令以导入 Docker 镜像文件。

命令示例：docker load -i fine-ai-base_v0_1.tar 

4）执行 docker images 命令以确认镜像是否已成功导入。

命令示例：docker images

5）依据已经导入的镜像，使用 docker run 命令创建并启动一个新的容器 。

命令示例：docker run -e TZ=Asia/Shanghai --name fine_ai -p 7666:7666 -it -d fine-ai-base:v0.2 /bin/bash

4.3 安装代码

FineAI 代码文件：FineAI 代码

1）将代码文件 encrypt_fine_ai_xxxxx.tar 传输至服务器的指定目录，示例路径：/home/fineai

2）使用 tar -xvf 命令解压代码文件。

命令示例：tar -xvf encrypt_fine_ai_xxxxx.tar

3）执行 docker cp 命令，将解压后的代码文件复制到容器路径 fine_ai:/root/ 中。

命令示例：docker cp encrypt_fine_ai_xxxxx fine_ai:/root/

4）进入到容器中，并切换到容器内的代码路径中运行代码脚本。

1. 进入容器 fine_ai：docker exec -it fine_ai /bin/bash

2. 切换当前工作目录到代码路径中：cd /root/encrypt_fine_ai_xxx/pipeline

3. 运行脚本：python app.py 

5）依次按下 Ctrl+P 和 Ctrl+Q 退出 Docker 容器。

1）下载 FineChatBI 插件：FineChatBI 插件

2）超管登录管理平台，选择「管理系统>插件管理>应用商城」，选择从本地安装获取的安装包，完成安装即可。

3）完成后刷新页面，选择「管理系统>智能问答配置>其他配置」，配置服务器 ip 和端口，点击保存即可。如下图所示：

4）在管理系统右下角出现「问答BI」按钮即可完成，如下图所示：

联系销售获取授权文件（fanruan.lic）。

进入 FineChatBI 服务架构概述 ，连接大模型。