一个云系统的构建(ai实现)

基于 Kubernetes 的云原生博客系统与联邦学习模型训练/推理平台

具体可以查看github项目：项目链接

一、项目整体概述

本项目构建了一个运行于 Kubernetes 集群之上的高度自动化的多工作负载云原生系统，核心目标不仅是功能实现本身，更强调 从模型训练、参数聚合、模型部署到在线推理与业务服务的全流程自动化。

系统以 Kubernetes 作为统一调度与控制平面，将模型训练、联邦参数聚合、在线推理服务与 Web 应用服务全部纳入容器编排体系，实现：

• 训练任务的自动调度与生命周期管理
• 模型参数聚合流程的自动触发与执行
• 推理服务的自动部署、自动恢复与自动扩展
• 博客业务服务与模型服务之间的自动解耦与协同运行

在算法层面，项目采用 PyTorch 框架，基于 LSTM 神经网络结构 实现中文文本情感分类任务，并引入 联邦学习（Federated Learning） 训练范式，训练结束后自动开启相关聚合任务，通过多训练节点协同优化模型参数，同时使用轮次聚合和基于样本权重的的平均，实现对训练过程的优化，在不共享原始数据的前提下完成模型训练，为分布式、自动化训练流程提供算法基础。

在系统层面，项目采用 前后端分离架构 + 微服务化设计，并通过 Kubernetes 对各组件进行容器编排、状态管理与弹性伸缩，使整个系统能够在最少人工干预的情况下完成部署、运行与演化。

---

二、系统架构与 Pod 级划分

pv和pvc配置展示：

apiVersion: v1
kind: PersistentVolume
metadata:
  name: blog-pv
  labels:
    app: blog
spec:
  capacity:
    storage: 7Gi
  accessModes:
    - ReadWriteMany
  persistentVolumeReclaimPolicy: Retain
  hostPath:
    path: /root/final_hw
    type: DirectoryOrCreate
---
apiVersion: v1
kind: PersistentVolume
metadata:
  name: mysql-pv
  labels:
    app: mysql
spec:
  capacity:
    storage: 5Gi
  accessModes:
    - ReadWriteOnce
  persistentVolumeReclaimPolicy: Retain
  hostPath:
    path: /root/sql_data
    type: DirectoryOrCreate

Service配置展示：

---
apiVersion: v1
kind: Service
metadata:
  name: mysql
  namespace: bloginfer
spec:
  type: ClusterIP
  ports:
    - port: 3306
      targetPort: 3306
  selector:
    app: mysql

系统在 Kubernetes 中被拆分为多类功能明确的 Pod，分别对应不同的工作负载类型：

1. 模型训练 Pod（Training Workers）

• 作为 Batch Job 类型工作负载 存在
• 各 Pod 持有彼此独立的内存数据子集，内存数据在节点之间保持隔离（Data Isolation）
• 使用 PyTorch 完成本地模型训练，仅对外暴露每一个批次的参数信息

模型训练配置文件：

apiVersion: batch/v1
kind: Job
metadata:
  name: train
  namespace: bloginfer
spec:
  completions: 2
  parallelism: 2
  backoffLimit: 1
  template:
    metadata:
      labels:
        app: train

2. 参数聚合 Pod（Federated Aggregator）

• 作为联邦学习中的中心协调节点
• 负责接收各训练 Pod 上传的梯度
• 采用 Gradient Averaging（梯度平均） 而非参数平均进行模型更新
• 在非 IID 数据分布条件下，该方式具有更稳定的收敛特性

3. 模型推理 Pod（Inference Service）

• 基于 FastAPI 构建
• 属于 无状态服务（Stateless Service）
• 可通过增加副本数量进行横向扩展
• 负责对外提供实时情感分析推理接口

4. 博客后端 Pod（Application Backend）

• 使用 C++ 与 Drogon 框架 实现
• 负责用户管理、文章管理、评论系统等核心业务逻辑
• 通过 RESTful API 与前端和数据库交互

后端pod文件：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: blog-backend-deployment
  namespace: bloginfer
  labels:
    app: blog-backend
spec:
  replicas: 1
  selector:
    matchLabels:
      app: blog-backend
  template:
    metadata:
      labels:
        app: blog-backend
    spec:
      containers:
        - name: blog-backend
          image: my_repository/blog-backend:latest
          imagePullPolicy: IfNotPresent
          ports:
            - containerPort: 8080
          env:
            - name: LISTEN_PORT
              value: "8080"

5. Nginx Pod（Frontend & Gateway）

• 用于前端静态资源托管
• 负责请求反向代理与路由转发
• 使用NodePort对外暴露端口

location /api/ {
  proxy_pass http://blog-backend-service.bloginfer.svc.cluster.local:8080;
  proxy_set_header Host $host;
  proxy_set_header X-Real-IP $remote_addr;
  proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
  proxy_set_header X-Forwarded-Proto $scheme;
}

{
  "listeners": [
    {
      "address": "0.0.0.0",
      "port": 8080
    }
  ],
  "log": {
    "log_path": "./logs",
    "log_level": "INFO",
    "logfile_base_name": "blog_backend"
  },
  "db_clients": [
    {
      "name": "default",
      "rdbms": "mysql",
      "host": "@MYSQL_IP@",
      "port": 3306,
      "dbname": "blog",
      "user": "root",
      "password": "123456",
      "is_fast": false,
      "connection_number": 5
    }
  ],
  "redis_clients": [
    {
      "name": "default",
      "host": "@REDIS_IP@",
      "port": 6379,
      "db": 0
    }
  ]
}

FROM drogonframework/drogon:latest AS builder

ENV MYSQL_HOST=mysql
ENV REDIS_HOST=redis

WORKDIR /app

COPY . /app

RUN mkdir -p build && cd build && cmake .. -DCMAKE_BUILD_TYPE=Release && cmake --build . --config Release


FROM drogonframework/drogon:latest

WORKDIR /app

COPY --from=builder /app/build/blog_backend /app/blog_backend

COPY --from=builder /app/build/config.json /app/config.json
COPY sql /app/sql

RUN mkdir -p /app/logs /app/uploads

EXPOSE 8080

WORKDIR /app

CMD ["./blog_backend"]

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx
  namespace: bloginfer
spec:
  replicas: 1
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
        - name: nginx
          image: nginx:1.25
          volumeMounts:
            - name: nginx-conf
              mountPath: /etc/nginx/nginx.conf
              subPath: nginx.conf
            - name: dist-storage
              mountPath: /usr/share/nginx/html
              subPath: dist
              readOnly: true

6. 数据库与缓存 Pod

• MySQL Pod：

  • 有状态服务
  • 通过 PV / PVC 绑定持久化存储
  • 确保 Pod 重建后的数据一致性

apiVersion: v1
kind: Secret
metadata:
  name: mysql-secret
  namespace: bloginfer
type: Opaque
data:
  MYSQL_ROOT_PASSWORD: MTIzNDU2

---
apiVersion: apps/v1
kind: StatefulSet
metadata:
  name: mysql
  namespace: bloginfer
spec:
  replicas: 1
  serviceName: mysql
  selector:
    matchLabels:
      app: mysql
  template:
    metadata:
      labels:
        app: mysql
    spec:
      containers:
        - name: mysql
          image: mysql:9.2
          env:
            - name: MYSQL_ROOT_PASSWORD
              valueFrom:
                secretKeyRef:
                  name: mysql-secret
                  key: MYSQL_ROOT_PASSWORD
          ports:
            - containerPort: 3306
          volumeMounts:
            - name: data
              mountPath: /var/lib/mysql
            - name: mysql-init
              mountPath: /docker-entrypoint-initdb.d
              readOnly: true
          resources:
            requests:
              cpu: "500m"
              memory: "1Gi"
            limits:
              cpu: "1"
              memory: "2Gi"
        - name: mysqld-exporter
          image: prom/mysqld-exporter:latest
          command: ["sh", "-c"]
          args:
            - |
              until mysqladmin ping -h 127.0.0.1 -u root -p$MYSQL_ROOT_PASSWORD; do
              sleep 2
              done
              /bin/mysqld_exporter
          env:
            - name: DATA_SOURCE_NAME
              value: "root:123456@(localhost:3306)/"

• Redis Pod：

  • In-Memory Key-Value 存储
  • 用于 Session 管理与高频访问数据缓存
  • 减轻后端服务对关系型数据库的访问压力

7. 训练守护进程 Pod（Training Daemon）

• 以 长生命周期 Pod（或 Deployment） 形式常驻运行
• 暴露简单的 HTTP 接口，用于接收“启动训练任务”的触发请求
• 接收到请求后，通过调用 Kubernetes API 或执行脚本，动态创建训练 Job/Pod，完成一次完整的模型训练流程
• 与模型存储目录挂载在同一个PVC，用于写入最新模型文件
• 内置定时任务（例如基于定时循环 + Shell/Python 脚本），定期扫描模型目录，只保留最近的若干个模型版本，自动清理更早的历史模型文件
• 通过这种方式，将“训练触发 + 历史模型清理”封装到统一的守护进程中，减少人工干预

apiVersion: v1
kind: ServiceAccount
metadata:
  name: train-daemon-sa
  namespace: bloginfer
---
apiVersion: rbac.authorization.k8s.io/v1
kind: Role
metadata:
  name: train-daemon-role
  namespace: bloginfer
rules:
  - apiGroups: ["batch"]
    resources: ["jobs"]
    verbs: ["get", "list", "watch", "create", "update", "patch", "delete"]
  - apiGroups: ["apps"]
    resources: ["deployments"]
    verbs: ["get", "list", "watch", "patch"]
---
apiVersion: rbac.authorization.k8s.io/v1
kind: RoleBinding
metadata:
  name: train-daemon-rb
  namespace: bloginfer
subjects:
  - kind: ServiceAccount
    name: train-daemon-sa
    namespace: bloginfer
roleRef:
  apiGroup: rbac.authorization.k8s.io
  kind: Role
  name: train-daemon-role
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: train-daemon
  namespace: bloginfer
  labels:
    app: train-daemon
spec:
  replicas: 1
  selector:
    matchLabels:
      app: train-daemon
  template:
    metadata:
      labels:
        app: train-daemon
    spec:
      serviceAccountName: train-daemon-sa
      containers:
        - name: train-daemon
          image: my_repository/train-daemon:latest
          imagePullPolicy: IfNotPresent
          env:
            - name: NAMESPACE
              value: "bloginfer"
            - name: MODEL_DIR
              value: "/blog/models"
            - name: MIN_TRAIN_INTERVAL_SECONDS
              value: "600"
            - name: TRAIN_POLL_INTERVAL_SECONDS
              value: "5"
            - name: CLEAN_INTERVAL_SECONDS
              value: "3600"
            - name: MAX_CLIENT_MODEL_AGE_SECONDS
              value: "86400"
            - name: TRAIN_JOB_YAML
              value: "/blog/configs/train.yaml"
            - name: AGG_JOB_YAML
              value: "/blog/configs/Integrajob.yaml"
            - name: INFERENCE_DEPLOYMENT_NAME
              value: "inference"
            - name: PORT
              value: "8000"

这是系统的架构图：

---

三、联邦学习训练流程设计（自动化训练流水线）

模型训练采用典型的 Federated Data-Parallel Training 流程，并被设计为一条可重复、可自动执行的训练流水线：

1. Kubernetes 自动调度多个训练 Pod 作为 Batch Job 启动
2. 各训练 Pod 在本地数据集上独立完成模型训练
3. 每一轮训练结束后，训练 Pod 自动将梯度信息上传至参数聚合 Pod
4. 聚合 Pod 自动执行梯度平均（Gradient Averaging）并更新全局模型参数
5. 更新后的模型参数被自动分发回各训练 Pod，进入下一轮训练或结束训练任务

整个过程无需人工手动干预训练节点或参数同步，训练任务的启动、执行、结束均由 Kubernetes 与程序逻辑协同完成。

该自动化训练流程模拟了真实跨组织、跨节点的分布式协同训练场景，在不共享原始数据的前提下完成模型优化，同时体现了云计算环境中“任务驱动 + 自动调度”的核心思想。

---

四、模型推理与在线服务（自动部署与弹性运行）

训练完成的模型被自动导出并封装为 FastAPI 推理服务镜像，随后由 Kubernetes 负责部署与运行，对外提供在线预测能力。

推理服务在集群中具备如下自动化特性：

• 推理服务与训练流程完全解耦，模型更新后可自动替换服务版本
• 推理 Pod 属于无状态服务，可通过副本数调整实现自动横向扩展
• 当 Pod 异常终止或节点不可用时，Kubernetes 会自动拉起新的 Pod 以恢复服务

通过将推理过程纳入统一的编排与调度体系，系统实现了模型从“训练完成”到“对外服务”的自动过渡。

@asynccontextmanager
async def lifespan(app: FastAPI):
    app.state.infer = SentimentInferencer(
        ckpt_path="models/sentiment_zh_final.pt",
        device="cpu",
    )
    yield

---

五、博客系统与数据管理

博客系统作为模型能力的应用载体，完整运行在云端：

• 前端基于 Vue.js 构建，通过 Nginx 对外提供访问
• 后端基于 Drogon 框架实现高性能 C++ Web 服务
• 业务数据持久化存储于 MySQL 中
• 用户登录状态与热点评论数据缓存在 Redis 中

该架构在保证数据一致性的同时，有效提升了系统响应性能。

---

六、用户行为驱动的模型迭代机制（自动数据闭环）

系统在博客评论功能中引入模型能力，构建了一条 自动化的 Online Inference + Human Feedback 数据闭环：

1. 用户发表评论后，评论内容被自动发送至推理服务进行情感分析
2. 系统调用大模型接口对评论进行情感与语义自动标注，生成弱监督标签
3. 标注后的数据被自动结构化存储，作为新增训练样本
4. 在后续训练周期中，新数据被自动纳入联邦学习训练流程

通过该机制，系统实现了用户行为、在线推理与离线训练之间的自动联动，使模型能够在云端环境中持续迭代与演化。

---

七、实验结果与系统验证

• Kubernetes 集群中多 Pod 协同运行效果
• 推理服务的水平扩展能力验证
• Drogon 后端镜像构建与自动部署结果
• 自动化构建与推送流程展示
• 模型训练过程中的损失变化
• 模型测试集上的分类性能评估

---

八、总结

本项目以云计算与大数据相关技术为核心，综合运用了容器化部署、微服务架构、联邦学习训练、在线推理与弹性伸缩机制，构建了一个具备工程复杂度与学术背景的完整云端系统，较为全面地体现了云计算环境下模型与应用协同运行的典型模式。