Streamlit机器学习预测工具部署GCP Cloud Run后持续连接故障求助

核心定位 #

本地Docker运行正常但Cloud Run部署后异常，说明问题出在Cloud Run配置或Streamlit启动参数上，和缓存无关。以下是具体排查和解决步骤：

1. 修正Streamlit启动命令的端口配置 #

Cloud Run强制要求容器监听8080端口，本地默认的8501端口在Cloud Run环境下无法被外部访问。必须在启动命令中指定端口和监听地址：

• 正确启动命令示例：

streamlit run your_app.py --server.port=8080 --server.address=0.0.0.0

• 把该命令写入Dockerfile的CMD/ENTRYPOINT，比如：

CMD ["streamlit", "run", "app.py", "--server.port=8080", "--server.address=0.0.0.0"]

2. 同步Cloud Run的端口设置 #

部署Cloud Run时，在"容器、变量、秘密和连接"的容器配置里，确保"容器端口"设置为8080，和Streamlit监听的端口完全一致。

3. 调整Cloud Run资源分配 #

如果你的机器学习模型体积较大，默认的0.5CPU/256MB内存可能不足以支撑启动，建议调整为：

• CPU：1核及以上
• 内存：2GB及以上
  部署时在Cloud Run控制台的"容器、变量、秘密和连接" -> "容器" -> "资源限制"中修改。

4. 查看Cloud Run日志排查启动错误 #

进入Cloud Run服务详情页的"日志"标签，查看容器启动阶段的报错信息：

• 检查是否有依赖缺失（比如镜像构建时遗漏了某些Python包）
• 确认是否有权限问题（比如访问GCS存储的模型文件时缺少权限）

5. 在GCP环境测试镜像有效性 #

用Cloud Shell拉取Artifact Registry中的镜像，本地运行测试：

docker pull [你的镜像地址，比如us-central1-docker.pkg.dev/项目ID/仓库名/镜像名:标签]
docker run -p 8080:8080 [你的镜像地址]

通过Cloud Shell的Web预览功能访问http://localhost:8080，验证镜像在GCP环境下是否能正常运行，排除镜像本身的问题。

内容的提问来源于stack exchange，提问作者t_asmal