可以说是保姆级教程，基本每一步都写得非常详细，有问题评论区交流~
暴露端口远程调试需要使用ssh远程连接fate项目docker容器，所以要进行端口暴露，有两种情况：
1.还未安装fate在安装脚本中修改docker run，提前设置暴露端口
前提：已经安装python3和pip，参考这篇文章：跳转
下载FATE源码
# 设置镜像源 yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo # 安装docker yum install docker-ce-20.10.0 docker-ce-cli-20.10.0 containerd.io # 开启docker服务 systemctl start docker # docker开机自启 systemctl enable docker # 安装docker-compose pip install -U docker-compose # 安装FATE，过程比较慢 wget https://webank-ai-1251170195.cos.ap-guangzhou.myqcloud.com/docker_standalone_fate_1.5.1.tar.gz tar -xzvf docker_standalone_fate_1.5.1.tar.gz
容器暴露端口（后续有用）
cd docker_standalone_fate_1.5.1 vim install_standalone_docker.sh
修改docker run的代码，替换为下面的代码
docker run -d --name fate -p 8080:8080 -p 10022:22 -p 9380:9380 fate:latest /bin/bash
运行
bash install_standalone_docker.sh
开启docker容器
docker start fate
访问：ip:8080 -> 可以看到页面
一般在运行容器时，我们都会通过参数 -p（使用大写的-P参数则会随机选择宿主机的一个端口进行映射）来指定宿主机和容器端口的映射，例如
docker run -it -d --name [container-name] -p 8088:80 [image-name]
这里是将容器内的80端口映射到宿主机的8088端口
参数说明
- -d 表示后台运行容器
- -t 为docker分配一个伪终端并绑定到容器的标准输入上
- -i 是让容器的标准输入保持打开状态
- -p 指定映射端口
在运行容器时指定映射端口运行后，如果想要添加新的端口映射，可以使用以下两种方式：
2.已安装fate将现有的容器打包成镜像，然后在使用新的镜像运行容器时重新指定要映射的端口
大概过程如下：
先停止现有容器
这里的container-name指代的就是fate
docker stop container-name
将容器commit成为一个镜像
docker commit container-name new-image-name
用新镜像运行容器
docker run -it -d --name new-container-name -p p1:p1 -p p2:p2 new-image-namedocker配置远程连接
进入docker容器
注意：如果上边暴露端口使执行的方法2，那么这里的fate要替换成new-container-name
docker exec -it fate /bin/bash
更新容器的apt源，安装ssh和vim
apt update apt-get -y update apt-get install --fix-missing openssh-server apt-get install vim
使用vim打开并修改配置文件，找到PermitRootLogin prohibit-password这一行，删除前面的#，修改为PermitRootLogin yes
如果没有就在末尾添加内容：PermitRootLogin yes
vim /etc/ssh/sshd_config
允许通过ssh远程访问docker。
# 创建docker中root用户的密码。简单的123456即可 passwd root # 启动ssh服务，至此，服务器端配置完毕。 service ssh restart本地pycharm拉取代码
创建一个新项目，起一个项目名，比如FATE1.5
设置远端服务器
进入到配置界面，点击红框创建服务连接
服务连接如下，端口是10022，用户名密码就是上一步提到的在fate中设置的，可以点击下面test测试是不是能连同，测试成功之后返回
然后下面文件路径选择路径fate,选择ok
然后在Mappings中配置路径，第一个是刚刚创建的项目路径，第二个直接选择根目录
然后这个Tools中Download应该会亮，点击下载代码
Tools->Deployment下的Automatic Upload点击选中，代表本地修改或新建文件时自动上传到远端（ctrl+s保存文件改动）
点击Tools->Deployment->options，勾选红框那里，代表本地删除文件时，远端也自动删除
本地连接远程服务器环境选择settings
project 设置环境，选择Add新添加
设置ip，port是10022，用户名root
填写密码
在1处选择路径：/usr/local/bin/pyhon3
在2处local path就是本地项目路径，远程路径就是/fate （忽略我这里的路径）
配置完成这里显示包名，即代表成功
本地开启服务端先修改配置文件端口
本地修改项目下/conf/service_conf.yaml，这里改为9381，上一行的host修改为0.0.0.0；上传文件（可以配置保存自动上传）
然后去重启docker容器（重启fate），记住每次重启docker容器后要重启ssh：service ssh restart
然后上面再改回9380，上传文件
然后新打开一个pycharm，open选择项目路径下的python目录
打开文件/python/fate_flow/fate_flow_server.py
点击右键，运行这个文件，下面显示ip:9380即代表运行成功
运行训练任务docker exec -it fate /bin/bash cd python python fate_flow/fate_flow_client.py -f upload -c /fate/examples/dsl/v1/upload_data_guest.json python fate_flow/fate_flow_client.py -f upload -c /fate/examples/dsl/v1/upload_data_host.json python fate_flow/fate_flow_client.py -f submit_job -c /fate/examples/dsl/v1/homo_logistic_regression/test_homolr_train_job_conf.json -d /fate/examples/dsl/v1/homo_logistic_regression/test_homolr_train_job_dsl.json打印任务输出
先修改配置文件端口
本地修改项目下/conf/service_conf.yaml，这里改为9381，上传文件（可以配置保存自动上传）
然后去重启docker容器，记住每次重启docker容器要重启ssh：service ssh restart
然后上面再改回9380，上传文件
然后新打开一个pycharm，open选择项目路径下的python目录
在 /python/fate_flow/controller/task_controller.py中process_cmd下打印任务输出->为了查看task执行命令
添加代码：print(" ".join( i for i in process_cmd))
进入到server启动文件，点击右键运行
然后我们使用fate_flow_client.py创建训练任务
将训练任务参数填到这里，run运行fate_flow_client.py
参数就是上边训练任务的执行命令： -f submit_job -c /fate/examples/dsl/v1/homo_logistic_regression/test_homolr_train_job_conf.json -d /fate/examples/dsl/v1/homo_logistic_regression/test_homolr_train_job_dsl.json
在fate_flow_server.py的输出框中查看输出（如果没有输出多运行几次），
开始调试根据上边打印的信息，我们使用：fate_flow/operation/task_executor.py调试组件，同样根据打印信息，把参数信息放到Parameters中；想调试什么组件看-n后面的参数即可
有一个注意点，因为我们单机版是三方训练，所以正常调试是要有交互的，所以我们不知要设置一个debug；比如这个intersection组件需要guest和host参与，我们要按照他两个的参数信息，创建两个debug任务，上边的打印信息可以看到
