2021全国职业院校技能大赛--基于Docker-compose编排部署sentiment-analyzer情感分析系统

2021-12-15 17:31:04 阅读：205 来源： 互联网

标签：compose sentiment cache 职业院校 --- Step Using sa root

前言：

情感分析（Sentiment Analysis）—机器学习自我提炼

情感分析（Sentiment Analysis）是一种常见的自然语言处理（NLP）方法的应用，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理，利用一些情感得分指标来量化定性数据的方法。在自然语言处理中，情感分析属于典型的文本分类问题，即把需要进行情感分析的文本划分为其所属类别，现在主流的情感分析方法有两种：一种基于词典的方法，一种是基于机器学习算法的方法。基于词典的方法主要通过制定一系列的情感词典和规则，对文本拆解、关键词提取，计算情感值，最后通过情感值来作为文本的情感倾向依据。这种方法往往会忽略其词顺序、语法和句法，将这段文本仅仅看做是一个词集合，因此不能充分的表达文本语义信息。比如，“A餐厅做的菜真难吃”，“B餐厅做的菜不难吃”,关两段文本的键词提取是”难吃”，通过这种方法判定得出结论：A,B餐厅做的菜都难吃，显然结论是错误的。

实战案例——容器化部署情感分析系统

案例目标

（1）了解基础服务的容器化镜像构建。

（2）了解情感分析系统服务的容器化部署。

1.1规划节点

192.168.9.130 master 节点

192.168.9.131 node 节点

1.2 基础准备

包不能在这发，需要的主页有联系方式~

Kubernetes集群已部署完成，将提供的压缩包Sentiment-Analyzer.tar.gz上传到master节点/root目录下并解压。

1 构建sa-logic镜像

（1）编写Dockerfile

编写yum文件

[root@master ~]# cd sentiment-analyzer/
[root@master sentiment-analyzer]# vi local.repo
[sa]
name=sa
baseurl=file:///opt/sa-repo
gpgcheck=0
enabled=1

编写Dockerfile

[root@master sentiment-analyzer]# cat Dockerfile-logic 
FROM centos:centos7.5.1804
MAINTAINER Guo
WORKDIR /root
RUN rm -rf /etc/yum.repos.d/*
COPY local.repo /etc/yum.repos.d/local.repo
COPY sa-repo /opt/sa-repo
COPY sa-logic/requirements.txt /root/requirements.txt
COPY sa-logic/app.py /root/app.py
ADD sa-logic/python-packages.tar.gz /root
RUN yum -y install python3
RUN pip3 install --find-links=/root/python-packages -r /root/requirements.txt
EXPOSE 5000
CMD ["python3", "app.py"]

（2）构建镜像

构建镜像：

[root@master sentiment-analyzer]# docker build -t sa-logic:v1.0 -f Dockerfile-logic .
Sending build context to Docker daemon  348.2MB
Step 1/13 : FROM centos:centos7.5.1804
 ---> cf49811e3cdb
Step 2/13 : MAINTAINER Guo
 ---> Using cache
 ---> 02855371e6e9
Step 3/13 : WORKDIR /root
 ---> Using cache
 ---> 452ef41a356d
Step 4/13 : RUN rm -rf /etc/yum.repos.d/*
 ---> Using cache
 ---> 39c82cf6edf1
Step 5/13 : COPY local.repo /etc/yum.repos.d/local.repo
 ---> Using cache
 ---> 10c3cd5c066c
Step 6/13 : COPY sa-repo /opt/sa-repo
 ---> Using cache
 ---> b6b326099da7
Step 7/13 : COPY sa-logic/requirements.txt /root/requirements.txt
 ---> Using cache
 ---> 75e961748d66
Step 8/13 : COPY sa-logic/app.py /root/app.py
 ---> Using cache
 ---> ac5de077a8d0
Step 9/13 : ADD sa-logic/python-packages.tar.gz /root
 ---> Using cache
 ---> c9c1f014253d
Step 10/13 : RUN yum -y install python3
 ---> Using cache
 ---> 5bb21dca931b
Step 11/13 : RUN pip3 install --find-links=/root/python-packages -r /root/requirements.txt
 ---> Using cache
 ---> 396b732716bb
Step 12/13 : EXPOSE 5000
 ---> Using cache
 ---> 8c08e0279108
Step 13/13 : CMD ["python3", "app.py"]
 ---> Using cache
 ---> 4af11144b511
Successfully built 4af11144b511
Successfully tagged sa-logic:v1.0

1.3 构建sa-webapp镜像

（1）编写Dockerfile

[root@master sentiment-analyzer]# cat Dockerfile-webapp 
FROM centos:centos7.5.1804
MAINTAINER Guo
WORKDIR /root
RUN rm -rf /etc/yum.repos.d/*
COPY local.repo /etc/yum.repos.d/local.repo
COPY sa-repo /opt/sa-repo
ADD sa-webapp/go-packages.tar.gz /root
RUN yum -y install golang
RUN go build -o webapp .
EXPOSE 8080
CMD ["/root/webapp"]

（2）构建镜像

[root@master sentiment-analyzer]# docker build -t sa-webapp:v1.0 -f Dockerfile-webapp .
Sending build context to Docker daemon  348.2MB
Step 1/11 : FROM centos:centos7.5.1804
 ---> cf49811e3cdb
Step 2/11 : MAINTAINER Guo
 ---> Using cache
 ---> 02855371e6e9
Step 3/11 : WORKDIR /root
 ---> Using cache
 ---> 452ef41a356d
Step 4/11 : RUN rm -rf /etc/yum.repos.d/*
 ---> Using cache
 ---> 39c82cf6edf1
Step 5/11 : COPY local.repo /etc/yum.repos.d/local.repo
 ---> Using cache
 ---> 10c3cd5c066c
Step 6/11 : COPY sa-repo /opt/sa-repo
 ---> Using cache
 ---> b6b326099da7
Step 7/11 : ADD sa-webapp/go-packages.tar.gz /root
 ---> Using cache
 ---> 5a8c4ad14414
Step 8/11 : RUN yum -y install golang
 ---> Using cache
 ---> 1fe36d2e2728
Step 9/11 : RUN go build -o webapp .
 ---> Using cache
 ---> 3fb843836547
Step 10/11 : EXPOSE 8080
 ---> Using cache
 ---> 97dda96366e0
Step 11/11 : CMD ["/root/webapp"]
 ---> Using cache
 ---> f9d451bf0cfb
Successfully built f9d451bf0cfb
Successfully tagged sa-webapp:v1.0

后面的在整理整理，回头在更

标签：compose,sentiment,cache,职业院校,---,Step,Using,sa,root
来源： https://blog.csdn.net/m0_57776598/article/details/121956983

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

2021全国职业院校技能大赛--基于Docker-compose编排部署sentiment-analyzer情感分析系统

前言：

情感分析（Sentiment Analysis）—机器学习自我提炼

实战案例——容器化部署情感分析系统