Ubuntu 系统部署 Ollama + DeepSeek + Docker + Ragflow

随着人工智能技术的飞速发展，自然语言处理(NLP)模型在各个领域的应用越来越广泛。Ollama和DeepSeek作为当前领先的NLP模型，其强大的功能和灵活性使其在各种应用场景中备受青睐。为了更好地利用这些模型，许多开发者和企业选择在本地环境中进行部署。本文将详细介绍如何在Ubuntu系统上使用Docker和Ragflow部署Ollama和DeepSeek，帮助读者实现高效、稳定的本地化部署。

一、Ollama 安装与端口配置

1.1 一键安装

curl -fsSL https://ollama.com/install.sh | sh

错误

curl: (56) OpenSSL SSL_read: error:0A000126:SSL routines::unexpected eof while reading, errno 0

 

 

gzip: stdin: unexpected end of file

tar: Child returned status 1

tar: Error is not recoverable: exiting now

解决方法

1、更新 Curl 和相关软件

首先，确保你的 curl 和其他相关软件（如 tar）是最新版本。可以通过以下命令更新：

 sudo apt update

2、检查 Curl 的 HTTP2 支持

确保你的 curl 支持 HTTP/2。可以通过以下命令查看：

curl --version

查看输出中是否包含 “HTTP2” 支持。如果没有，你可能需要重新安装支持 HTTP/2 的 curl 版本：

sudo apt install curl  # 通常会自动安装支持 HTTP/2 的版本

3、使用旧版本的 HTTP 协议

如果问题仍然存在，尝试使用 HTTP/1.1 而不是 HTTP/2。可以通过添加 --http1.1 参数到你的 curl 命令中：

curl --http1.1  -fsSL https://ollama.com/install.sh | sh

1.2 修改默认端口（11434 → 50002）

方法1：永久生效（推荐）

# 创建配置文件
mkdir -p ~/.ollama && echo '{"OLLAMA_HOST": "0.0.0.0:50002"}' > ~/.ollama/config.json

# 重启服务
sudo systemctl restart ollama

方法2：临时生效

export OLLAMA_HOST="0.0.0.0:50002"  # 或使用 OLLAMA_PORT=50002
ollama serve

方法3：设置开机自启

sudo tee /etc/systemd/system/ollama.service <<EOF
[Service]
Environment="OLLAMA_HOST=0.0.0.0:50002"
EOF

sudo systemctl daemon-reload && sudo systemctl restart ollama

1.3 验证服务状态

systemctl status ollama
curl http://localhost:50002/health  # 应返回 {"status": "healthy"}

1.4 在ollama里安装deepSeek r1模型

找到ollama里的模型下载地址：https://ollama.com/library/deepseek-r1

1.4.1、模型下载配置建议

询问文心一言，给出的指导建议

1.4.2、根据电脑配置，选择一个安装

例如：选中14b，复制命令：ollama run deepseek-r1:14b

安装过程， 等待进度100%

二、Docker 安装与优化

2.1 安装前准备

sudo apt update && sudo apt upgrade -y

# 卸载旧版本（如有）
sudo apt remove docker docker-engine docker.io containerd runc -y

2.2 安装依赖项

sudo apt install apt-transport-https ca-certificates curl gnupg-agent software-properties-common -y

2.3 添加官方源并安装

# 添加 GPG 密钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

# 添加 APT 源
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

# 安装 Docker
sudo apt update && sudo apt install docker-ce docker-ce-cli containerd.io -y

2.4 配置国内镜像加速

sudo tee /etc/docker/daemon.json <<EOF
{
  "registry-mirrors": [
    "https://docker.mirrors.ustc.edu.cn",
    "https://reg-mirror.qiniu.com"
  ]
}
EOF

sudo systemctl restart docker

2.5 验证安装

docker --version
docker info | grep -A4 "Registry Mirrors"  # 检查镜像加速是否生效

三、Ragflow 部署指南

3.1 下载代码

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker

3.2 修改配置

# 修改 .env 文件
sed -i 's/infiniflow\/ragflow:v0.16.0-slim/#infiniflow\/ragflow:v0.16.0-slim/g' .env

# 修改端口（示例改为50003）
sed -i 's/5000/50003/g' docker-compose.yml

3.3 启动服务

docker compose up -d

3.4 查看日志与访问

docker logs -f ragflow-server  # 实时查看日志
curl http://localhost:50003    # 或浏览器访问 http://服务器IP:50003

四、常见问题排查

1. 端口冲突

   使用 netstat -tuln | grep <端口号> 检查端口占用，修改配置文件中的端口后重启服务。

2. 防火墙阻止

   sudo ufw allow 50002/tcp  # Ollama
   sudo ufw allow 50003/tcp  # Ragflow

3. Docker 镜像下载慢

   确保已配置国内镜像源，首次启动需耐心等待镜像下载完成。

4. GPU 支持问题

   Ollama 需 PyTorch GPU 版本，安装前确认 CUDA 和 cuDNN 已正确安装。

五、性能优化建议

1. Ollama 缓存路径

   在 ~/.ollama/config.json 中添加：

   "OLLAMA_CACHE_DIR": "/path/to/large/storage"

2. Docker 资源限制

   在 docker-compose.yml 中限制内存和CPU：

   deploy:
     resources:
       limits:
         cpus: '2'
         memory: 8G

3. 定期更新

   # Ollama
   sudo systemctl stop ollama && ollama update && sudo systemctl start ollama
   
   # Docker
   sudo apt update && sudo apt upgrade docker-ce -y

完成部署后，您可通过以下架构享受本地AI服务：

在浏览器打开：http://127.0.0.1:50003

总结

通过本文的介绍，我们详细探讨了在Ubuntu系统上使用Docker和Ragflow部署Ollama和DeepSeek的方法和技巧。从环境准备、Docker镜像构建、模型加载到性能优化，每一个环节都进行了深入解析。希望这些内容能够帮助读者在实际操作中更加得心应手，实现高效、稳定的本地化部署。未来，随着技术的不断进步，我们期待看到更多创新的部署方法和技巧，为AI技术的应用和发展注入新的活力。