Flask应用本地运行正常，部署Google Cloud Run时端口监听失败

我尝试将搭载预训练机器学习模型（以model.pkl文件存储在同目录下）的Flask应用部署至Google Cloud Run。容器在本地运行完全正常，但部署至Cloud Run时失败，报错如下：

ERROR: (gcloud.run.deploy) Revision 'mymodel-service-00015-svm' is not ready and cannot serve traffic. The user-provided container failed to start and listen on the port defined provided by the PORT=8080 environment variable.

使用的命令 #

1. 构建Docker镜像：

   docker build --no-cache -t gcr.io/dehaproject2024/mymodel:latest .
   

2. 推送Docker镜像：

   docker push gcr.io/dehaproject2024/mymodel:latest
   

3. 部署至Google Cloud Run：

   gcloud run deploy mymodel-service \ --image gcr.io/dehaproject2024/mymodel:latest \ --platform managed \ --region me-west1 \ --allow-unauthenticated
   

项目结构 #

.
├── server.py          # Flask应用文件
├── Dockerfile         # 构建容器的Dockerfile
├── model.pkl          # ML模型（pickle文件）
├── requirements.txt   # 依赖项

server.py（Flask应用） #

from flask import Flask, request, jsonify
import pandas as pd
import pickle
import os

app = Flask(__name__)

# 加载预训练模型（假设为pickle文件）
model = pickle.load(open('model.pkl', 'rb'))


@app.route('/predict', methods=['POST'])
def predict():
    try:
        json_data = request.get_json()  # 获取以JSON格式提交的数据
        data = pd.DataFrame(json_data)  # 将JSON转换为pandas DataFrame

        # 假设模型期望数据格式与训练数据一致
        # 如需预处理请确保已处理
        predictions = model.predict(data)
        return jsonify(predictions.tolist())  # 以JSON格式返回预测结果
    except Exception as e:
        return jsonify({"error": str(e)}), 400


if __name__ == "__main__":
    port = int(os.environ.get("PORT", 8080))
    app.run(host="0.0.0.0", port=port)

Dockerfile #

FROM python:3.10-slim

WORKDIR /app

COPY . /app

RUN pip install --no-cache-dir -r requirements.txt

EXPOSE 8080

ENV PORT 8080

CMD ["gunicorn", "--bind", "0.0.0.0:$PORT", "server:app"]

已尝试的操作 #

• 使用以下命令运行容器，本地运行正常：

  docker run -p 8080:8080 gcr.io/dehaproject2024/mymodel:latest
  

• 已确认应用在本地运行正常，且/predict端点可正常响应。
• 已尝试在server.py文件和Dockerfile中使用$PORT环境变量，确保应用绑定正确端口。
• 仍出现上述相同错误。
• requirements.txt已更新至包含所有必要依赖项。

1. Gunicorn环境变量解析失败 #

Docker的CMD使用数组形式时，不会通过shell解析环境变量，$PORT会被当作字面量处理，导致Gunicorn尝试绑定到0.0.0.0:$PORT这个无效地址，端口绑定失败。

解决方法：将CMD改为shell解析形式，让环境变量被正确替换：

CMD gunicorn --bind 0.0.0.0:$PORT server:app

或者用exec形式保证信号正常传递：

CMD ["sh", "-c", "gunicorn --bind 0.0.0.0:$PORT server:app"]

2. 模型文件加载异常 #

本地运行正常不代表容器内环境一致：

• 检查model.pkl是否在镜像构建时被正确复制，可在Dockerfile中添加验证步骤：

  RUN ls -la /app/model.pkl
  

• 模型训练时的依赖库版本与部署时不匹配，会导致pickle文件加载失败。确认requirements.txt包含所有模型依赖（如scikit-learn、numpy等），且版本与训练环境一致。

3. 系统级依赖缺失 #

Python的slim镜像缺少部分系统库，而机器学习库（如scikit-learn）依赖libgomp1等系统组件，会导致启动失败。在Dockerfile中添加系统依赖安装步骤：

RUN apt-get update && apt-get install -y --no-install-recommends libgomp1 && rm -rf /var/lib/apt/lists/*

4. 启动日志缺失无法定位问题 #

在Dockerfile的启动命令中添加日志参数，查看Gunicorn启动细节：

CMD ["sh", "-c", "gunicorn --bind 0.0.0.0:$PORT --log-level debug server:app"]

然后通过Cloud Run的日志面板查看启动过程，确认是否有绑定错误、依赖加载失败等异常信息。

内容的提问来源于stack exchange，提问作者DARDAR