前言

这几天一直在研究linux环境下安装配置rasa框架，顺便整理一下安装步骤，以后可以查看。

 

建议：本文适合收藏，里面每个步骤都是实际开发中遇到的，这里不涉及Rasa聊天机器人框架的源码，因为源码在网上获取非常方便。这里只是单纯介绍部署的步骤，以及如何解决一些遇到的问题。

本文不建议直接拿来用，因为网上有很多介绍关于rasa机器人的部署，特别是对于windows环境下的部署，已经有很多成熟的部署步骤。但是对于linux部署，小编是一直找不到合适的部署方法。

于是，小编通过不断尝试，不断总结，才有了本文。所以，大家可以先在windows下部署，如果成功了，想移植到linux环境下，可以回头来看看这篇文章，相信对你有很大的帮助。

 

环境： centos7、 Python 3.6.2
目标： 安装flask+uwsgi+Rasa1.10.2+MITIE+tensorflow2.0+supervisor服务

 

【linux虚拟环境安装】

 

备注： 没有安装pyenv， 可以在linux下安装pyenv。 pyenv 类似于windows下的Anaconda，主要用于python的版本管理。

 

1. 查看pyenv托管了哪些python版本

 $ pyenv versions

 

 

2. 使用pyenv安装python环境(已经安装好的可以跳过)

 $ pyenv install -v 3.6.2

 

3. 安装时报错ModuleNotFoundError: No module named '_ctypes'的解决办法

yum install libffi-devel 

 

【项目配置】

 

1. 从git上拉下项目( git-url 替换成实际的git地址)

git clone -b master git-url

 

2. 进入代码根目录，新建虚拟环境

# 当前目录 
$cd chatBotRasa

 

 

3. 创建虚拟环境

# 当前python环境切换到3.6.2
$ pyenv global 3.6.2


# 在当前项目根目录下新建虚拟环境目录
$ virtualenv venv_rasa_362


# 切回之前的python环境（保证原始环境不变, 假设原始环境是python 3.6.0）
$ pyenv global 3.6.0

 

4. 在项目的根目录下新建几个目录

$ mkdir log
$ mkdir logs
$ mkdir models

 

5. 对应的模型放到指定目录下

total_word_feature_extractor_zh.dat  # 放到 data 目录下
20200615-225841.tar.gz  # 放到models下（不同版本rasa对应不同版本的模型，否则要重新训练）

 

【安装虚拟环境的rasa相关python包】

 

1. 进入虚拟环境

$ source venv_rasa_362/bin/activate

 

2. 退出虚拟环境

$ deactivate

 

3. 安装rasa==1.10.2 , 安装失败，多安装几次就可以了

$ pip --default-timeout=1000 install rasa==1.10.2

 

4. 安装项目其他的包

$ pip install -r requirements.txt

 

 

5. 安装MITIE (第一步容易安装失败，多安装几次就可以了)

$ pip install git+https://github.com/mit-nlp/MITIE.git
$ pip install rasa[mitie]

 

6. 安装uwsgi

$ pip install uwsgi

 

uwsgi 配置文件, 一般放在代码根目录下，例如：
/opt/algorithm/chatBotRasa/chatBotRasa_config.ini

 

 

【启动rasa的两个服务】

 

（以脚本的形式，均需要在虚拟环境下进行。 一般更改模型的话，主线程App.py 不用重启，只要重启一下两个服务即可。运行脚本命令： $ sh xxxx.sh）

 

1. 开启第一个服务 start_one_rasa.sh

nohup python -m rasa run --port 5005 --endpoints configs/endpoints.yml --credentials configs/credentials.yml --debug > ./log/start_one_rasa.log  2>&1 &

 

2. 查看第一个服务 check_one_rasa.sh

# 查看端口对应的线程
netstat -tunlp|grep 5005

 

3. 关闭第一个服务 kill_one_rasa.sh

fuser -k -n tcp 5005

4. 开启第二个服务 start_two_rasa.sh

nohup python -m rasa run actions --port 5055 --actions actions --debug > ./log/start_two_rasa.log  2>&1 &

 

5. 查看第二个服务 check_two_rasa.sh

# 查看端口对应的线程
netstat -tunlp|grep 5055

 

6. 关闭第二个服务 kill_two_rasa.sh

fuser -k -n tcp 5055

【在线训练模型】

 

1. 进入虚拟环境，进入项目根目录

# 模型训练： 该命令会同时训练NLU和Core模型
# 前提是安装好MITIE模块
$ python -m rasa train --config configs/config.yml --domain configs/domain.yml --data data/

【配置supervisor】

 

1. 安装配置supervisor （非虚拟环境）

 

安装supervisor(一般是提前安装好了):

yum install supervisor

 

增加配置文件， 例如命名为：
chatBotRasa_supervisor.ini

保存在
/etc/supervisord.d/chatBotRasa_supervisor.ini

 

注意事项：

(1) 如果网站所在的目录为chatBotRasa, 则建议ini文件命名为：
chatBotRasa_supervisor.ini

(2) 如果有多一个网站，目录为charts, 则可以新建多个文件： charts_supervisor.ini

(3) 多个xxx_supervisor.ini 文件，Supervisor 会同时允许加载多个配置

 

 

 

2. 启动停止supervisord (只有单个服务时适用, 或者首次启动)

(1) 启动supervisord: supervisord -c /etc/supervisord.conf

(2) 停止 supervisord（需要多次停止才能生效）：supervisorctl shutdown

(3) 重启服务（里面的配置也会更新）：supervisorctl reload

 

3. 启动停止指定supervisord

(1) 查看所有子进程的状态：

$ supervisorctl status

 

 

(2) 关闭开启指定子进程：

$ supervisorctl restart chat_bot_rasa    # 重启
$ supervisorctl stop chat_bot_rasa       # 停止
$ supervisorctl start chat_bot_rasa      # 启动

(3) 关闭、开启所有的子进程

$  supervisorctl stop all
$  supervisorctl start all

 

4. 管理相关进程

(1) 查看相关进程： netstat -ntlp | grep 9108

(2) kill某个端口： fuser -k -n tcp 9108

【项目在线调试】

 

1. 进入虚拟目录： source my_venv/bin/activate

2. 启动项目： uwsgi dataSys_config.ini

3. 调试结束后，记得删除 项目下log目录下的日志（supervisord的调试日志）否则项目不能正常启动

 

结语

 

学习python，不需要一杯奶茶钱，只需要你点个关注。如果觉得小编的文章对你有帮助，记得点个赞，顺便帮我分享出去。有什么不明白的地方，欢迎在下方评论，或私信小编。最后，感谢大家的阅读，祝大家生活愉快。