OpenMed Helm部署指南5步完成生产级K8s配置与多环境管理【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmed如果你想在 Kubernetes 上私有化部署医疗数据脱敏服务OpenMed Helm部署是最省心的路径。OpenMed 是一个本地优先的医疗 AI 工具专注临床 NER 实体识别与 HIPAA PII 匿名化2,200 医疗模型、支持 21 种语言患者数据完全不出内网。本文带你用 5 步完成 OpenMed 的去标识化 REST 服务在 K8s 的生产级部署并掌握多环境管理技巧 为什么用 Helm 部署 OpenMed官方仓库内置了 deploy/helm/openmed-service Chart开箱即用地处理了生产部署中最容易踩坑的三件事能力说明 双探针健康检查liveness 用/livezreadiness 用/readyz模型预加载完成前不接流量 持久化模型缓存自动创建 20Gi PVC 挂载模型缓存Pod 重启不用重新下载模型⚙️ ConfigMap 配置管理服务配置profile、批处理、限流等全部非密钥化支持按环境覆盖官网宣传图OpenMed 主打Your data. Your model. Your hardware.数据零上云。第一步3分钟完成 Helm 一键安装先克隆仓库拿到 Chart 定义git clone https://gitcode.com/GitHub_Trending/ope/openmed cd openmed确保镜像已推送到你的集群可拉取的仓库然后执行helm upgrade --install openmed-service deploy/helm/openmed-service \ --namespace openmed \ --create-namespace \ --set image.repository你的镜像仓库/openmed \ --set image.tagv2.3.0安装后集群内会自动生成 4 个对象见 docs/deploy/helm.mdDeploymentREST 服务监听 8080 端口Service集群内 HTTP 服务ConfigMap非密钥服务配置PersistentVolumeClaim挂载到/root/.cache/huggingface镜像为linux/amd64linux/arm64双架构 manifest listx86 与 Graviton 节点可混布详见 docs/deploy/multi-arch.md。第二步看懂 values.yaml掌握生产配置关键项deploy/helm/openmed-service/values.yaml 注释非常完整生产环境建议重点关注这几组参数参数默认值生产建议config.profileprod保持config.preloadModels[]预热高频模型避免首请求冷启动config.batching.enabledfalse高吞吐场景开启官方批处理可提速 2~3 倍config.throttle.rateLimitRps0不限公网暴露时务必设置限流resources.limits.memory4Gi按常驻模型数量上调persistence.size20Gi模型多则扩容或改用existingClaim官方基准显示开启动态批处理后DEIDENTIFY吞吐量从 9.96 提升到 33.67 文档/秒3.38x开启请求合并config.coalescing.enabled还能进一步消除重复推理第三步密钥管理——不要把 token 写进 values.yaml官方文档明确要求token 一律通过 Kubernetes Secret 注入利用extraEnv引用extraEnv: - name: HF_TOKEN valueFrom: secretKeyRef: name: openmed-hf-token key: tokenChart 的 CI 合成配置 deploy/helm/openmed-service/ci-values.yaml 给出了完整的生产参考模板包括预加载模型、CORS 白名单、限流按x-forwarded-for分桶等直接照着抄即可。第四步多环境管理——用 values 文件分层Chart 刻意不包含Ingress 与 HPA这是有意的设计让集群级对象Ingress 类、证书、扩缩容策略留在各环境自己的 overlay 里保证 Chart 可复用。推荐的环境分层实践环境做法dev默认 values replicaCount: 1关闭 PVC 以节省存储staging复用ci-values.yaml的批处理/指标配置压测验证prod加固镜像 HPA 更大 PVC开启限流与指标生产集群建议换用 distroless 加固镜像无 shell、非 root UID 65532、只读根文件系统配置参考 docs/deploy/hardened-image.md。压测可直接跑仓库内置的 k6 场景deploy/loadtest/run.sh 会自动构建镜像、预热模型并生成摘要报告。第五步开启 HPA 自动扩缩容OpenMed 服务暴露了队列深度与在途请求两个背压信号比单纯看 CPU 更早发现瓶颈。开启 Prometheus 指标端点后应用官方 HPAhelm upgrade openmed-service deploy/helm/openmed-service \ --namespace openmed --reuse-values \ --set config.metrics.enabledtrue kubectl apply -f deploy/k8s/hpa.yaml参考清单 deploy/k8s/hpa.yaml 的策略是保持2 个热副本起步最多 10 副本扩容零等待stabilizationWindowSeconds: 0缩容前静默 5 分钟防抖动三路信号取最大值队列深度 / 4、在途请求 / 8、CPU 65%指标仅含计数与有界队列标签绝不含请求文本或任何 PHI可放心接入 Prometheus细节见 docs/deploy/autoscaling.md。升级与回滚升级只需换 tag 重跑同一条helm upgrade模型缓存在 PVC 里保留秒级完成helm upgrade openmed-service deploy/helm/openmed-service \ --namespace openmed --set image.tagv2.4.0如需声明式管理当前服务哪个模型版本还可以叠加官方 Operatordeploy/operator/它监听OpenMedModel资源滚动更新 Deployment超时会自动回滚到上一个成功版本完整文档见 docs/deploy/operator.md。参考资料清单资料路径Helm 部署主文档docs/deploy/helm.mdHelm Chartdeploy/helm/openmed-service/HPA 参考清单deploy/k8s/hpa.yaml多架构镜像说明docs/deploy/multi-arch.md加固镜像指南docs/deploy/hardened-image.md自动扩缩容指南docs/deploy/autoscaling.md模型 Operatordocs/deploy/operator.md压测脚本deploy/loadtest/run.sh掌握以上 5 步你就拥有了一个探针完备、缓存持久、可自动扩缩、多环境分层管理的 OpenMed 生产级 K8s 部署 ✅【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmed创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考