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。

2.1 FineBI 环境说明

2.1.1 依赖版本说明

FineChatAI 需依赖 FineBI6.1 及以上版本，需确保服务器中已部署 BI 6.1及以上版本的工程。

• 未部署 FineBI 的用户：需全新部署 FineBI 6.1+ 版本，请参见本文 2.1.2

• 已部署 FineBI 的用户：进入「管理系统>注册管理>版本信息」检查版本号，若版本低于 6.1，需先升级至 6.1 及以上版本。

2.1.2 资源配置规则

FineBI 所在的服务器需要为 FineChatAI 的使用预留资源。

计算规则：

• 将 FineChatAI 的用户算作 FineBI 的编辑用户计算服务器所需资源

• 额外预留 10% 的服务器资源用于 FineChatAI 的使用

未部署 FineBI 的用户依据以上计算规则，参考 确认FineBI项目服务器配置 完成服务器选型，参考 部署新项目 完成 FineBI 部署。

已经部署 FineBI 的用户也需依据以上计算规则，衡量已有服务器是否需要增加资源。

2.2 语义解析小模型环境要求

语义解析小模型和 BI 工程建议分布部署在两台服务器上，若需要部署在同一台服务器上请注意预留出足够的空间。

语义解析小模型部署环境要求如下表所示：

2.3 FineAI 环境要求

FineAI 的服务器配置要求相对较低，若想节省服务器优化资源使用，可以将 FineAI 服务以及语义模型部署在同一台服务器上。FineAI 部署环境要求如下表所示：

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 &

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

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:v0.1-git-ssh /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。