百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

离线部署之两种构建Ragflow镜像的方式,dify同理

ztj100 2025-05-09 22:54 32 浏览 0 评论

在实际项目交付过程中,经常遇到要离线部署的问题,生产服务器无法连接外网,这时就需要先构建好ragflow镜像,然后再拷到U盘或刻盘,下面介绍两种构建ragflow镜像的方式。

性能测试(网络情况好的情况下,国内的网络达不到这个水平)

工具

安装100个包耗时

内存占用

跨平台支持

uv

38秒

120MB

pip

2分15秒

280MB

poetry

3分10秒

350MB

一、使用uv方式(官方推荐)

uv是一个用Rust写的Python包安装器和解析器,由Astral开发,旨在替代pip和pip-tools,速度更快。用户可能在项目中使用uv来加速依赖安装,但可能由于网络问题或安装uv本身的问题导致卡住。

#下载ragflow
cd /data
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
#安装uv
# 国内镜像加速安装 #这一步比较慢,要有耐心
pipx install uv -i https://mirrors.bfsu.edu.cn/pypi/web/simple/
#在执行run前记得给足够的权限,提示Permission denied
sudo chmod 777 .   #或 sudo chmod 777 /data/ragflow/
uv run download_deps.py 
docker build -f Dockerfile.deps -t infiniflow/ragflow_deps .
docker build --build-arg LIGHTEN=1 -f Dockerfile -t infiniflow/ragflow:nightly-slim .

常见问题:

1、权限不足Permission denied

sudo chmod 777 .   #或 sudo chmod 777 /data/ragflow/

2、下载超时,很多镜像都是国外的,我们很多人都在这个环境中浪费了很多时间,没办法只能想办法一个个下载下来再安装或者代理,本来很快的工具,到这里也要跪。

二、使用pip安装依赖

1、创建虚拟环境

#安装venv
sudo apt install python3.12-venv
# 创建虚拟环境
sudo python3 -m venv .venv
#激活虚拟环境
source .venv/bin/activate
#先给足权限,不然后面会报错
sudo chmod 777 .
#安装所需要的依赖,可能会遇到很多版本问题,比如我是python3.12,要提示修改一些依赖版本
#指定国内源超快的
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
#如果有找不到的包,可以换个镜像试试
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
#再找不到尝试下载whl文件,然后单独安装即可。

在3.12环境下需要升级的依赖

Aspose.Slides==24.2.0修改为25.1.0
Pillow=10.3.0修改为11.1.0
torch=2.3.0修改为2.3.1


2、执行自带的下载脚本

# 直接使用Python运行
python download_deps.py

3、构建docker镜像

# 构建deps镜像
docker build -f Dockerfile.deps -t infiniflow/ragflow_deps .

# 构建最终镜像
docker build --build-arg LIGHTEN=1 -f Dockerfile -t infiniflow/ragflow:nightly-slim .

4、常见问题:

权限不足:

ERROR: Could not install packages due to an OSError: [Errno 13] Permission denied: '/data/ragflow_inner/ragflow/ragflow/.venv/lib/python3.12/site-packages/xpinyin'

Check the permissions.

解决方式:

# 进入项目根目录
cd /data/ragflow_inner/ragflow/ragflow

# 递归修改目录所有权
sudo chown -R $USER:$USER .venv/

# 验证权限
ls -la .venv/lib/python3.12/site-packages/

通过以上方案,可实现在完全离线环境下完成所有依赖资源的部署。建议在部署前进行全量测试,确保各组件版本严格匹配。若需更新资源,请在外网环境重复第一步操作后同步更新内网资源目录。


创作不易 关注 收藏 点赞

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: