本地化JSON 处理新方案:基于 Docker的JSON Hero部署全记录

简介: 本地化JSON 处理新方案:基于 Docker的JSON Hero部署全记录

@TOC

一、JSON Hero介绍

1.1 JSON Hero工具简介

JSON Hero 是由 Trigger.dev 团队开发和维护的一款强大的 JSON 查看和编辑工具,提供了一个美观且功能丰富的用户界面。

1.2 JSON Hero工具特点

  • 多种视图模式:支持列视图、树视图、编辑视图等多种视图模式,满足不同需求。
  • 智能预览:自动推断字符串内容并提供有用的预览,增强数据理解。
  • 生成 JSON 模式:自动生成 JSON 模式,用于验证 JSON 数据的结构。
  • 快速扫描:快速扫描相关值,检查边缘情况,确保数据一致性。
  • 强大搜索:支持对 JSON 文件中的键和值进行搜索,方便定位信息。
  • 键盘导航:完全支持键盘操作,提高使用效率。
  • 分享功能:提供带有路径支持的可共享 URL,方便团队协作。

1.3 主要使用场景

  • 开发调试:开发人员可以轻松查看和调试 API 响应,确保数据格式正确。
  • 数据验证:自动生成的 JSON 模式帮助验证数据的合法性和结构。
  • 团队协作:团队成员通过共享 URL 协作查看和编辑 JSON 文件,提高效率。
  • 数据分析:快速查找和分析 JSON 数据中的特定信息,适用于大数据集。

二、本次实践规划

2.1 本地环境规划

本次实践为个人测试环境,操作系统版本为|Ubuntu 22.04.1。

hostname IP地址 操作系统版本 Docker版本 镜像版本
jeven01 192.168.3.88 Ubuntu 22.04.1 LTS 27.1.1 latest

2.2 本次实践介绍

1.本次实践部署环境为个人测试环境,生产环境请谨慎;
2.在Docker环境下部署JSON可视化管理工具JSON Hero。

三、本地环境检查

3.1 检查Docker服务状态

检查Docker服务是否正常运行,确保Docker正常运行。

root@jeven01:~# systemctl status docker
● docker.service - Docker Application Container Engine
     Loaded: loaded (/lib/systemd/system/docker.service; enabled; vendor preset: enabled)
     Active: active (running) since Mon 2024-09-09 10:43:35 CST; 3 weeks 5 days ago
       Docs: https://docs.docker.com
   Main PID: 695 (dockerd)
      Tasks: 135 (limit: 9387)
     Memory: 4.0G
        CPU: 46min 46.854s
     CGroup: /system.slice/docker.service
             ├─  695 /usr/bin/dockerd
             ├─  846 containerd --config /var/run/docker/containerd/containerd.toml

3.2 检查Docker版本

检查Docker版本

root@jeven01:~# docker -v
Docker version 27.1.1, build 6312585

3.3 检查docker compose 版本

检查Docker compose版本,确保2.0以上版本。

root@jeven01:~# docker compose version
Docker Compose version v2.19.1

四、下载JSON Hero镜像

拉取JSON Hero镜像,镜像名称为:henryclw/jsonhero-web:latest。

root@jeven01:~# docker pull henryclw/jsonhero-web:latest
latest: Pulling from henryclw/jsonhero-web
Digest: sha256:1e514ed9fd9bd0efd42ff21c85c9aa2cca6c6f8ad7f76eac6ca39732b41dab21
Status: Image is up to date for henryclw/jsonhero-web:latest
docker.io/henryclw/jsonhero-web:latest

五、部署JSON Hero应用

5.1 创建部署目录

  • 创建部署目录
mkdir -p /data/json_hero  && cd /data/json_hero

5.2 编辑部署文件

  • 如果使用docker-cli部署,可参考以下命令:
docker run -d \
   --restart always \
   --name jsonhero-web \
   -p 9500:8787 \
   henryclw/jsonhero-web:latest

在`部署目录下,创建docker-compose.yaml文件,其中宿主机映射端口等可以自定义配置。

vim docker-compose.yaml
version: '3'

services:
  jsonhero-web:
    image: henryclw/jsonhero-web:latest
    container_name: jsonhero-web
    restart: always
    ports:
      - 9500:8787

5.3 创建JSON Hero容器

执行以下命令,创建JSON Hero容器。

root@jeven01:/data/json_hero# vim docker-compose.yaml
root@jeven01:/data/json_hero# docker compose up -d
[+] Running 2/2
 ✔ Network json_hero_default  Created                                                                               0.1s
 ✔ Container jsonhero-web     Started                                                                               0.3s

5.4 查看JSON Hero容器状态

检查JSON Hero容器状态状态,确保JSON Hero容器正常启动。

root@jeven01:/data/json_hero#  docker compose ps
NAME                IMAGE                          COMMAND             SERVICE             CREATED             STATUS          PORTS
jsonhero-web        henryclw/jsonhero-web:latest   "npm start"         jsonhero-web        4 minutes ago       Up 4 minutes        0.0.0.0:9500->8787/tcp, :::9500->8787/tcp

5.5 查看JSON Hero容器日志

检查JSON Hero容器日志,确保JSON Hero服务正常运行。

docker compose logs

在这里插入图片描述

六、访问JSON Hero服务

6.1 访问JSON Hero主页

访问地址:http://192.168.3.88:9500,将IP替换为自己服务器IP地址。如果无法访问到以下页面,则检查宿主机的防火墙是否关闭或者放行相关端口,云服务器则还需要设置安全组规则。

在这里插入图片描述

6.2 上传json文件

我们使用一个本地的测试json文件是,上传到JSON Hero。

{
   
  "person": {
   
    "name": "张三",
    "age": 30,
    "email": "zhangsan@example.com",
    "address": {
   
      "street": "幸福路123号",
      "city": "北京",
      "country": "中国"
    },
    "hobbies": ["阅读", "编程", "旅行"],
    "is_student": false
  }
}

在这里插入图片描述

在这里插入图片描述

七、总结

在使用 Docker 部署 JSON 可视化管理工具 JSON Hero 的过程中,Docker 的简便性和高效性得到了充分体现。通过 Dockerfile 和简单的命令,能够迅速搭建和运行 JSON Hero,大幅简化了环境配置和依赖管理。JSON Hero 的用户界面友好,多种视图模式和智能预览功能使得 JSON 数据的查看和编辑变得直观高效。这次实践不仅展示了 Docker 的强大能力,也突显了 JSON Hero 的实用性和易用性。

相关文章
|
2月前
|
网络协议 Linux
Linux系统之who命令的基本使用
Linux系统之who命令的基本使用
209 2
Linux系统之who命令的基本使用
UniApp 获取当前页面标题(navigationBarTitleText)
UniApp 获取当前页面标题(navigationBarTitleText)
2464 0
|
监控 应用服务中间件 BI
nginx日志统计分析自动报表工具goaccess(推荐)
## 功能描述 - nginx日志统计分析自动报表工具goaccess(推荐) - 网站总访问量统计,按天统计访问量,按页面(不同URL)统计访问量(不包括JS、css),按静态页面统计访问量(包括JS、css),不存在的页面统计访问量 - 按不同的IP统计访问量,按不同的操作系统统计访问量,...
8929 0
|
缓存 Kubernetes Docker
kubernetes 部署工具:sealos(2)
kubernetes 部署工具:sealos(2)
kubernetes 部署工具:sealos(2)
|
5月前
|
人工智能 移动开发 前端开发
7个神级技巧,彻底去除网站的 AI 味儿!
大家好,我是程序员鱼皮。 先做个小测试,下面这几个网站,你能看出哪些是 AI 做的吗? 公布答案:全都是 AI 做的! 是不是觉得有点意外? “为啥我用 AI 搓出来的网站一股子 AI 味儿?而这些网站看起来干净很多呢?” 这就是接下来我要分享的: 什么是 AI 编程的 AI 味儿? 为什么网站会有 AI 味儿? 怎么去除网站的 AI 味儿? 点个收藏,我们开始 ⭐️ 推荐观看本文对应视频版,效果
658 0
7个神级技巧,彻底去除网站的 AI 味儿!
|
4月前
|
SQL 人工智能 API
AI时代的知识重构:Google Cloud OKF规范如何破解RAG痛点,重塑Agent知识库协作
OKF(Open Knowledge Format)是Google推出的轻量级知识共享协议,以纯文本Markdown+YAML元数据实现“知识即代码”。它破解传统RAG切片失真、Token浪费、厂商锁定等痛点,支持Git化协作、渐进式检索与Agent原生调用,助力企业低成本构建高精度AI知识引擎。
827 0
|
4月前
|
人工智能 数据库 开发工具
统一 AI 智能体的知识接口:从 Karpathy 的 LLM Wiki 到 Google OKF 规范的硬核拆解
OKF(Open Knowledge Format)是Google推出的AI时代知识标准化规范,以Markdown+YAML构建“机器可读、人类可懂”的原子化知识包,解决RAG的上下文噪声难题。它推动“知识即代码”,助力企业实现事前治理与AI-native研发升级。
863 0
统一 AI 智能体的知识接口:从 Karpathy 的 LLM Wiki 到 Google OKF 规范的硬核拆解
|
2月前
|
存储 弹性计算 运维
什么是阿里云服务器ECS,及其优势、购买、使用方式和部署建议与实操命令教程
在云计算技术普及的时代,传统自建机房模式面临硬件采购成本高、部署周期漫长、硬件维护繁琐、资源弹性不足等诸多现实痛点。企业想要搭建业务系统,需要采购服务器硬件、搭建机房环境、部署供电与网络设施,前期投入巨大,业务流量波动时,硬件资源很难快速扩缩容。而云服务器ECS(Elastic Compute Service)作为IaaS层级的核心云计算服务,把计算资源转变为可按需取用的公共基础设施,如同日常使用水电燃气,用户无需采购实体IT硬件,就可以获取虚拟服务器能力,实现资源分钟级交付、弹性伸缩,广泛适配个人开发者、中小企业、大型企业的各类业务场景。本文将完整讲解ECS产品定义、核心优势、产品架构组件、
831 1
|
2月前
|
缓存 自然语言处理 API
百炼上下文缓存实测:隐式与显式对跑 11 次调用,bl text chat 透传 cache_control 的命中判定与回本边界
《从零开始搭建知识库·EP07》实测对比隐式与显式缓存:隐式自动命中公共前缀,免配置、成本低(1.5元/M),适合千变万化的客服问答;显式需标记`cache_control`,创建贵(15元/M)、命中极省(1元/M),仅同一请求重复执行才回本。二者完全隔离、互斥,选型取决于负载形态。(239字)
百炼上下文缓存实测:隐式与显式对跑 11 次调用,bl text chat 透传 cache_control 的命中判定与回本边界
|
2月前
|
存储 人工智能 缓存
【新版】阿里云 百炼大模型平台 产品功能介绍及配置价格表
大模型应用开发链路包含模型选型、推理调用、数据集处理、模型调优、知识库构建、智能体编排、业务上线、成本管控等大量环节,如果分散在多个不同平台完成整套流程,会带来账号管理复杂、接口不统一、数据流转繁琐、成本难以统计等诸多痛点。阿里云百炼是面向开发者与企业打造的一站式大模型开发服务平台,把模型调用、数据集管理、模型微调、专属部署、向量知识库、智能体应用、MCP工具广场、用量计费管控全部整合到统一控制台,既提供开箱即用的海量预训练模型,也支持开发者完成自定义模型优化与业务应用搭建,降低AI应用从原型验证走向正式业务的技术门槛。
575 0