3 步上手

📢

前提条件：请先在 共绩算力控制台 完成注册和登录

1 准备 compose 文件

以下是一个完整且可用的 docker-compose.yml 示例文件。您可直接复制以作第二步使用，无需进行任何修改：

yaml

services:
  # CPU 版 FFmpeg API 服务定义
  ffmpeg-api-cpu:
    image: harbor.suanleme.cn/library/ffmpeg-api:cpu  # 使用的 Docker 镜像，当前镜像是在公共仓库中
    restart: always
    network_mode: bridge # 使用桥接网络模式
    # 自定义标签用于服务标识
    labels:
      - suanleme_0.http.port=8000  # CPU API 的 HTTP 端口
      - suanleme_0.http.prefix=cpuapi  # CPU API 的 URL 前缀

  # GPU 版 FFmpeg API 服务定义
  ffmpeg-api-gpu:
    image: harbor.suanleme.cn/library/ffmpeg-api:gpu # 使用的 Docker 镜像，当前镜像是在公共仓库中
    restart: always
    network_mode: bridge # 使用桥接网络模式
    # 自定义标签用于服务标识
    labels:
      - suanleme_0.http.port=8000  # GPU API 的 HTTP 端口
      - suanleme_0.http.prefix=gpuapi  # GPU API 的 URL 前缀
    # 部署配置，分配 GPU 资源
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia  # 使用 NVIDIA GPU 驱动
              count: 1  # 预留的 GPU 数量
              capabilities: [ gpu ]  # 指定 GPU 功能

您可依据实际需求进行修改，不过在当前教程里无需对任何内容进行改动。各参数的说明已在注释中予以注明。倘若模型镜像未包含在共绩算力的镜像站当中，则需自行将其上传至共绩算力的镜像仓库之中。

2 发布任务

2.1 登录控制台

https://dockerweb.gongjiyun.com

2.2 新建任务

点击左上角"新建" → "新建 Docker 任务"

如果遭遇仓库初始化的弹窗，那么需填写仓库信息，接着在当前教程中持续进行操作。后续操作完全无需关注镜像仓库的问题。

2.3 填写任务信息

粘贴步骤 1 中复制的 Docker Compose 内容。

域名前缀避免与 Docker Compose 中的 labels 名称相同

Docker Compose 中的镜像 tag 避免使用 latest

yaml

例：任务名称尽量与- suanleme_0.http.prefix=gpuapi 不同
labels:
      - suanleme_0.http.port=8000
      - suanleme_0.http.prefix=gpuapi

当前任务没有 CUDA 版本和显卡型号限制，节点数建议大于 3。填写完信息后点击“部署服务”

当前任务的健康检查配置使用默认值，点击“保存配置”

📢

放心，我们会根据您发布任务的任务点数来分配任务的冗余节点，以保证服务的稳定性。

3 查看运行状态

发布任务后会自动跳转到任务详情，等待节点分配

节点分配完成后，服务就可以正常访问。点击服务回传中的第一个链接，我们访问 ffmpeg 的 CPU 服务。

服务运行效果：

测试视频下载：https://gongjiyun.com/2024-08-12 17-51-17.mkv

📢

恭喜您顺利完成首个部署于分布式弹性算力平台的任务！

3 步上手

1 准备 compose 文件