含PyTorch的AWS App Runner服务健康检查失败排查求助

核心原因 #

1. 启动超时触发健康检查失败：Torch是大型机器学习库，在App Runner的轻量实例上完成加载初始化的时间远长于基础Flask应用，超过了默认健康检查的等待窗口（默认启动延迟0秒、检查间隔5秒、超时2秒），导致健康检查在应用完全启动前就判定失败。
2. Slim镜像缺失系统依赖：python:3.7-slim为精简镜像，缺少Torch运行必需的系统库（如libgomp1、libopenblas-base），导致容器内应用启动失败，但本地环境已预装这些依赖，因此本地运行正常。

解决步骤 #

1. 调整健康检查配置 #

登录AWS控制台进入App Runner服务配置页面，修改健康检查参数：

• 将启动延迟时间设置为60-120秒（根据实际启动时长调整），给应用足够时间完成Torch初始化和Flask启动
• 可选：将超时时间调至5-10秒，失败阈值提高至5次，降低偶发启动延迟导致的误判

2. 补充Dockerfile系统依赖 #

修改Dockerfile，在安装Python依赖前添加系统库安装步骤：

FROM python:3.7-slim

# 安装Torch运行必需的系统库
RUN apt-get update && apt-get install -y --no-install-recommends \
    libgomp1 \
    libopenblas-base \
    && rm -rf /var/lib/apt/lists/*

COPY ./requirements.txt /app/requirements.txt

WORKDIR /app

RUN pip install -r requirements.txt

COPY . /app

EXPOSE 80

ENTRYPOINT [ "python" ]

CMD [ "app.py" ]

3. 优化Torch安装 #

在requirements.txt中使用CPU精简版Torch，减少体积和启动时间：

torch==2.0.1+cpu --index-url https://download.pytorch.org/whl/cpu

4. 本地验证启动时长 #

模拟App Runner资源限制启动容器，确认服务就绪时间：

docker run --memory=1GB --cpus=1 <你的镜像标签>

观察容器启动后，使用curl访问服务端点，记录从启动到响应的时间，以此为准调整健康检查的启动延迟。

内容的提问来源于stack exchange，提问作者Enes Kuz