我是一名经验丰富的AI从业者，但在部署这些模型方面完全是个新手。我按照一个在线教程，使用Docker Desktop在本地部署了模型。它为前端和后端创建了一组容器。我在每个容器中安装了TensorFlow来运行AI模型（在Dockerfile中使用RUN pip3 install tensorflow）。然而，我无法在Kubernetes上部署它。我勾选了允许将Docker堆栈发送到Kubernetes的选项。当我运行docker images时，可以看到前端和后端的镜像。接下来，我创建了一个GCP项目并在其中创建了一个集群。然后，我在特定格式gcr.io/project/name:tag下标记这些镜像，并将它们推送到前端和后端。然后我部署了这两个，并将它们暴露为fdep（前端）和bdep（后端）。从这里可以看到，这两个都运行正常：[![enter image description here][1]][1]

然而，当我访问前端的外部IP并运行模型时，什么也没有发生。好像后端没有输出任何东西。当我使用Postman向后端的外部IP发送请求时，得到的结果是：[![enter image description here][2]][2]

有什么建议吗？我做错了什么？

回答：

由于这个多容器Docker应用最初不是为Kubernetes开发的，请确保在为后端生成服务时指定一个名称，

kubectl expose deployment bdep –port 8081 –name (前端应用期望的名称)

在你的情况下，如果没有使用–name选项，服务名称将默认为部署名称“bdep”，但前端应用期望的名称是“backend”。