【RAGFlow代码详解-30】构建系统和 CI/CD
Docker 构建系统
RAGFlow 使用主 Dockerfile 1-214 中定义的复杂多阶段 Docker 构建过程，该过程创建应用程序的完整和精简变体。
多阶段构建架构
Docker 构建过程
构建过程由 Dockerfile 2-214 中 定义的三个主要阶段组成：
-
基础阶段
（ Dockerfile 2-139 ）：使用系统依赖项（包括 Python 3.10、Node.js 20、Rust 工具链和数据库驱动程序）设置 Ubuntu 22.04 基础。 -
构建器阶段
（ Dockerfile 142-179 ）：使用 uv 包管理器处理依赖项安装，并使用 npm 构建 React 前端。 -
生产阶段
（ Dockerfile 181-214 ）：通过复制构建的项目和应用程序代码来创建最终的运行时映像。
构建变体
系统支持由 LIGHTEN` build 参数控制的两个构建变体：
- 完整映像 ：包括所有 ML 模型和嵌入
（ Dockerfile 21-26 ） - Slim Image：排除大型嵌入模型以减小图像大小
（ Dockerfile 158-162 ）
依赖关系管理
RAGFlow 通过专用的下载脚本和预构建的依赖关系映像来管理外部依赖项。
外部依赖项下载
依赖项类别
download_deps.py 1-78 脚本管理几类依赖项：
- ML 模型 ：通过
（ download_deps.py 50-53 ）下载huggingface_hub.snapshot_download() - 系统库 ：SSL 证书、用于数据库连接的 ODBC 驱动程序
- 文档处理 ：Apache Tika 服务器和 Chrome 浏览器，用于 PDF/Web 内容处理
- NLP 数据 ：用于文本处理的 NLTK 语料库
（ download_deps.py 70-73 ）
该脚本支持针对基于中国的部署（ download_deps.py 20-40 ）进行镜像选择。
持续集成
RAGFlow 通过测试多种配置和存储后端的 GitHub Actions 工作流实现全面的 CI。
测试工作流架构
测试执行流程
.github/workflows/tests.yml 1-176 中 的主要测试工作流执行以下顺序：
- 静态分析 ：使用 Ruff 进行 Python 代码质量检查
（ .github/workflows/tests.yml 52-56 ） - Docker 构建 ：创建精简和完整变体
（ .github/workflows/tests.yml 58-66 ） - 多后端测试 ：针对 Elasticsearch 和 Infinity 存储引擎进行测试
- 测试类别 ：
- 通过 pytest 进行 SDK API 测试
（ .github/workflows/tests.yml 96 ） - 前端 API 测试
（ .github/workflows/tests.yml 106 ） - HTTP API 测试
（ .github/workflows/tests.yml 121 ）
- 通过 pytest 进行 SDK API 测试
测试配置
根据触发器类型配置了不同的测试级别：
- Pull Request/Push：P2 级测试
（ .github/workflows/tests.yml 94 ） - 定时运行 ：P3 级综合测试
（ .github/workflows/tests.yml 92 ）
发布自动化
RAGFlow 通过专用的 GitHub Actions 工作流自动发布，该工作流处理版本控制、Docker 映像发布和 PyPI 包分发。
发布管道架构
发布类型
系统支持 .github/workflows/release.yml 1-119 中 定义的两种类型的版本：
- 版本发布 ：通过创建 v*.. 标签触发，发布稳定版本
- Nightly Releases：使用可变的 nightly 标签计划每日构建
Docker 镜像发布
该工作流发布两个 Docker 变体：
- 全图 ： infiniflow/ragflow:$RELEASE_TAG
（ .github/workflows/release.yml 86-94 ） - 超薄图像 ： infiniflow/ragflow:$RELEASE_TAG-slim
（ .github/workflows/release.yml 96-104 ）
PyPI 包分发
对于版本发布，工作流使用 uv build 和 pypa/gh-action-pypi-publish （ .github/workflows/release.yml 106-118 ） 构建 Python SDK 并将其发布到 PyPI。
版本管理
RAGFlow 实现了一个灵活的版本跟踪系统，该系统适用于开发和生产环境。
版本解析逻辑
版本解析流程
api/versions.py 23-39 中的 get_ragflow_version（） 函数实现了分层版本解析：
- 缓存检查 ：如果已解析，则返回缓存版本
- VERSION 文件 ：从 Docker 构建生成的 VERSION 文件
（ api/versions.py 27-34 ）中读取 - Git 回退 ： git describe --tags --match=v* --first-parent --always 用于开发
（ api/versions.py 42-52 ） - 构建变体 ：根据 LIGHTEN 环境变量
（ api/versions.py 37-38 ）附加“slim”或“full”后缀
运行时集成
版本信息通过调用 get_ragflow_version（） （ api/db/runtime_config.py 37-38 ） 的 RuntimeConfig.init_env（） 集成到运行时配置中。
Docker 构建版本生成
在 Docker 构建期间，使用 Git 命令捕获版本并写入 VERSION 文件 （ Dockerfile 171-178 ）：
version_info=$(git describe --tags --match=v* --first-parent --always)
echo $version_info > /ragflow/VERSION
构建优化
缓存策略
Docker 构建实现了全面的缓存以提高构建性能：
- APT 缓存 ：持久包缓存
（ Dockerfile 45 ） - UV 缓存 ：Python 包缓存
（ Dockerfile 152 ） - NPM 缓存 ：Node.js 包缓存
（ Dockerfile 166 ）
多架构支持
构建系统处理不同的 CPU 架构：
- x86_64：标准 Intel/AMD 处理器
- ARM64/AArch64：Apple Silicon 和 ARM 服务器
（ Dockerfile 109-117 ）
特定于体系结构的包是动态选择的，特别是对于 ODBC 驱动程序和 SSL 库。