M1设备Docker部署Haystack依赖Flask应用遇模块缺失问题求助

问题根源 #

Apple M1属于arm64架构，Haystack依赖的部分底层库（如PyTorch、FAISS）在原生arm64镜像中可能存在预编译包缺失、安装不完整的情况，导致pip安装后模块无法正常识别；同时现有Dockerfile的COPY路径错误，会造成文件结构混乱，进一步引发模块路径问题。

修复步骤 #

1. 修正Dockerfile的文件复制逻辑 #

现有COPY . /会将本地文件全部复制到容器根目录，与设置的WORKDIR /app冲突，导致Python模块路径混乱。修改后的Dockerfile：

FROM python:3.9

WORKDIR /app
# 将本地当前目录内容完整复制到容器的/app目录下，保持结构一致
COPY . .

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

EXPOSE 5000

ENTRYPOINT ["python"]
CMD ["app.py"]

2. 强制使用amd64架构构建（跨平台通用方案） #

为了让容器同时兼容arm64（M1）和amd64（x86）平台，构建和运行时指定amd64架构，Docker会通过Rosetta2完成模拟运行：

• 构建命令：

docker build --platform linux/amd64 -t haystack-flask-app .

• 运行命令：

docker run --platform linux/amd64 -p 5000:5000 haystack-flask-app

3. 锁定Haystack稳定版本 #

检查requirements.txt，指定兼容跨平台的Haystack稳定版本，避免版本依赖问题：

farm-haystack==1.22.0
flask==2.3.3
# 其他项目依赖...

4. arm64原生运行适配（可选） #

如果需要原生arm64运行，需提前安装系统级依赖以解决底层库编译问题，修改Dockerfile如下：

FROM python:3.9

WORKDIR /app
COPY . .

# 安装编译依赖，解决FAISS等库的编译缺失问题
RUN apt-get update && apt-get install -y --no-install-recommends \
    build-essential \
    gcc \
    g++ \
    libopenblas-dev \
    libomp-dev

RUN pip install --upgrade pip
# 先安装arm64兼容的PyTorch预编译包，再安装Haystack
RUN pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
RUN pip install --no-cache-dir -r requirements.txt

EXPOSE 5000

ENTRYPOINT ["python"]
CMD ["app.py"]

该方案适合原生arm64环境，但依赖编译耗时较长，跨平台兼容性不如amd64模拟方案。

验证方法 #

容器启动后，进入容器检查Haystack安装状态：

docker exec -it <容器ID> python -c "import haystack; print(haystack.__version__)"

若能正常输出版本号，说明模块安装成功。

内容的提问来源于stack exchange，提问作者Philo