Ubuntu服务器系统Docker部署Ollama+AnythingLLM实现DeepSeek本地部署

2025-04-27 21:00:30 3 阅读

文章目录

拉取Ollama镜像
运行Ollama容器并拉取模型
- 启动Ollama容器
- Ollama Dockerfile部分说明
- 拉取模型
AnythingLLM容器部署
- anythingllm镜像拉取
- anythingllm容器运行
- 使用anythingLLM

服务器配置
CPU：Intel® Xeon® Gold 6138 （20核心 40线程）
内存：32GB
磁盘：4TB
GPU：NVIDIA GeForce RTX 3090 24G显存

操作系统：Ubuntu server 22.04
Docker版本：20.10.22

操作系统、docker、gpu驱动如何安装，这些都可以在网上搜到相关信息，本文就不再描述了。

拉取Ollama镜像

Docker镜像仓库官方地址：docker官方镜像仓库地址

在“Explore”中找到“Gen AI”，然后往下翻，找到“Ollama”。
拉取指令

docker pull ollama/ollama

这个镜像比较大，而且国内拉取镜像本来也比较慢。之前还有阿里云，道客云等平台的镜像加速站，现在很多都不能用了，这里列几个可用的加速站点，读者可以配置上。

vim /etc/docker/daemon.json
{
    "data-root": "/var/lib/docker",
    "log-driver": "json-file",
    "log-level": "warn",
    "log-opts": {
        "max-file": "3",
        "max-size": "10m"
    },
    # 主要是如下内容，其余部分请根据自己实际环境配置。
    "registry-mirrors": [
        "https://proxy.1panel.live",
        "https://docker.1panel.top",
        "https://docker.m.daocloud.io",
        "https://docker.1ms.run",
        "https://docker.ketches.cn"
    ],
    "runtimes": {
        "nvidia": {
            "args": [],
            "path": "nvidia-container-runtime"
        }
    }
}

运行Ollama容器并拉取模型

根据镜像使用方式可知，运行ollama容器后，可在容器内拉取模型文件。

启动Ollama容器

docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

上述指令是官方给的参考指令，主要是-v参数，如果按照上述指令，-v后面直接根“ollama”，会在docker的存储卷中创建一个本地的ollama存储卷，如下图。不建议这种方式，因为这种方式，最后拉取的模型文件不好找（在这个目录中【/var/lib/docker/volumes】），还是建议采用自定义的绝对路径，方便找到模型文件保存的位置和迁移。

可以参考如下指令：

 docker run -d --name ollama --gpus=all -v /home/rarelong/project/ollama/_data:/root/.ollama -p 11434:11434  ollama/ollama

其中，/home/rarelong/project/ollama/_data是我复制的/var/lib/docker/volumes/ollama/_data/这个目录的内容，说明ollama的模型文件是可以复制迁移的，那么就可以将ollama的镜像和这个目录全部打包，拷贝至没有互联网的环境中直接运行。

Ollama Dockerfile部分说明

从ollama的镜像dockerfile内容来看，官方指定了一个ENTRYPOINT [“/bin/ollama”]，CMD [“server”]，这导致我们只能先将ollama镜像启动起来，当作服务运行，然后用“docker exec -it”指令拉取模型文件或者运行模型。如果直接在启动的时候加上相关参数，会启动失败。如下图：

官方dockerfile部分内容

正常启动画面如下：

说明：其中docker启动的相关参数本文不做说明，比如【-itd，–rm，-p，-v】等，这些需要读者自行学习。本文并非基础教学内容，感谢理解。

拉取模型

Ollama官方地址：Ollama官方地址

前面几个就是deepseek-r1模型的链接，还有很多别的模型，可以根据需求下载。

点击进去之后，就有选择版本和对应的下载指令。

我这里已经下载了几个模型文件，32b，7b，8b这几个参数的文件。

比如这里我们再下载一个1.5b参数的模型。

如果采用的参数是“run”，当本地没有这个模型文件时，会自动从ollama仓库中去拉取这个文件，这点根docker运行容器类似。
只是单独拉取文件的话，应该是“pull”参数。这个根docker也是类似的。

docker exec -it ollama ollama run deepseek-r1:1.5b

AnythingLLM容器部署

AnythingLLM官方地址：AnythingLLM官方地址

AnythingLLM 是一款专为企业或个人定制的 私有化大语言模型（LLM）应用平台，核心目标是为用户提供安全、可控且高度定制化的 AI 解决方案。
在官网上，一直往下翻，直到翻到“Run via Docker”时，点击，进入anythingllm的docker镜像仓库。

anythingllm镜像拉取

拉取镜像指令：

docker pull mintplexlabs/anythingllm

在概述文件中，有该镜像的相关说明，概述文件的最后有anythingllm容器的运行方式。

anythingllm容器运行

运行指南：anythingllm容器运行指南
anythingLLM文档

官方指令如下：

export STORAGE_LOCATION=$HOME/anythingllm && 
mkdir -p $STORAGE_LOCATION && 
touch "$STORAGE_LOCATION/.env" && 
docker run -d -p 3001:3001 
--cap-add SYS_ADMIN 
-v ${STORAGE_LOCATION}:/app/server/storage 
-v ${STORAGE_LOCATION}/.env:/app/server/.env 
-e STORAGE_DIR="/app/server/storage" 
mintplexlabs/anythingllm

简单解释一下上述指令中的一些参数：

export STORAGE_LOCATION= $ HOME/anythingllm：export定义当前bash的临时变量，变量名称【STORAGE_LOCATION】，变量值【 $ HOME/anythingllm】，其中$HOME是系统环境变量，值为当前用户的家目录。
&&：表示执行完上一条指令后，继续执行下一条指令，如果上一条指令执行失败，后面的指令不再执行。
mkdir：创建文件夹；-p：递归创建文件夹。
touch：创建文件；.env：前面带点的文件为隐藏文件。这里应该是一个保存环境变量配置的文件。
docker run：运行容器。
cap-add SYS_ADMIN：给容器赋予比较宽泛的管理权限。注意【–cap-add SYS_ADMIN】如果您想抓取网页，这是必需的命令。我们使用 PuppeeteerJS 来抓取网站链接，而 --cap-add SYS_ADMIN 允许我们在所有运行时中使用沙盒 Chromium 以实现最佳安全实践。

我这里之前运行过这个容器，所以前面的那些环境变量就不用设置了。如果你需要自定义这些换变量的内容，如数据存储目录（~/anythingllm目录），环境变量文件（.env），可以先行创建，在通过-v参数，以绝对路径方式挂载进容器。

自定义运行指令：

docker run -d -p 3001:3001 --cap-add SYS_ADMIN -v /home/rarelong/project/anythingllm/:/app/server/storage -v /home/rarelong/project/anythingllm/.env:/app/server/.env -e STORAGE_DIR="/app/server/storage"  mintplexlabs/anythingllm