Docker部署Flask机器学习模型API时遇无效端口错误排查

端口错误原因及修复 #

错误Error: ' ' is not a valid port number.是因为容器启动时$PORT环境变量未被正确赋值，导致gunicorn尝试绑定空端口。同时app.py里的入口判断存在多余空格，也需要修正。

修复方案 #

方案1：Dockerfile中指定固定端口

修改Dockerfile，将$PORT替换为具体端口（如8000）：

FROM python:3.10

COPY . /app

WORKDIR /app 

RUN pip install -r requirements.txt

EXPOSE 8000

CMD gunicorn --workers=4 --bind 0.0.0.0:8000 app:app 

方案2：运行容器时传入PORT变量

启动容器时通过-e参数指定端口：

docker run -e PORT=8000 -p 8000:8000 your-image-name

方案3：Dockerfile中设置默认PORT变量

添加ENV指令设置默认端口：

FROM python:3.10

ENV PORT=8000

COPY . /app

WORKDIR /app 

RUN pip install -r requirements.txt

EXPOSE $PORT

CMD gunicorn --workers=4 --bind 0.0.0.0:$PORT app:app 

修正app.py的入口判断

将app.py中的：

if __name__ == " __main__ ":

改为：

if __name__ == "__main__":

Dockerfile中EXPOSE和CMD的作用 #

EXPOSE #

• 仅作为声明性说明，告诉镜像使用者容器运行时会监听哪个端口，不会自动完成宿主机与容器的端口映射。
• 实际端口映射需要在docker run时使用-p 宿主机端口:容器端口参数手动配置。

CMD #

• 指定容器启动时默认执行的命令，一个Dockerfile只能保留最后一个CMD指令。
• 如果启动容器时手动指定了其他命令（如docker run your-image bash），会覆盖CMD中的默认命令。
• 此处用于启动gunicorn服务器，绑定到指定端口并运行Flask应用。

内容的提问来源于stack exchange，提问作者shivam234556