在离线环境Linux部署Ollama与Dify的CPU及CUDA版本，并将其整合至Spring AI ...

大号在练葵花宝典 · 6 天前

前言

以下适用于无法通过在线下令拉取的

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

复制代码

一.官网下载 0.3.13版本

ollama离线安装包下载地址

二.将文件包上传至ubuntu服务器

三.下载安装脚本

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

复制代码

修改长途拉取ollama代码为当地解压
源需要修改的脚本代码如下

if curl -I --silent --fail --location "https://ollama.com/download/ollama-linux-${ARCH}.tgz${VER_PARAM}" >/dev/null ; then
status "Downloading Linux ${ARCH} bundle"
curl --fail --show-error --location --progress-bar \
"https://ollama.com/download/ollama-linux-${ARCH}.tgz${VER_PARAM}" | \
$SUDO tar -xzf - -C "$OLLAMA_INSTALL_DIR"
BUNDLE=1
if [ "$OLLAMA_INSTALL_DIR/bin/ollama" != "$BINDIR/ollama" ] ; then
status "Making ollama accessible in the PATH in $BINDIR"
$SUDO ln -sf "$OLLAMA_INSTALL_DIR/ollama" "$BINDIR/ollama"
fi
else
status "Downloading Linux ${ARCH} CLI"
curl --fail --show-error --location --progress-bar -o "$TEMP_DIR/ollama"\
"https://ollama.com/download/ollama-linux-${ARCH}${VER_PARAM}"
$SUDO install -o0 -g0 -m755 $TEMP_DIR/ollama $OLLAMA_INSTALL_DIR/ollama
BUNDLE=0
if [ "$OLLAMA_INSTALL_DIR/ollama" != "$BINDIR/ollama" ] ; then
status "Making ollama accessible in the PATH in $BINDIR"
$SUDO ln -sf "$OLLAMA_INSTALL_DIR/ollama" "$BINDIR/ollama"
fi
fi

复制代码

新改后代码

status "Downloading Linux ${ARCH} bundle"
# curl --fail --show-error --location --progress-bar \
# "https://ollama.com/download/ollama-linux-${ARCH}.tgz${VER_PARAM}" | \
$SUDO tar -xzf ./ollama-linux-amd64.tgz -C "$OLLAMA_INSTALL_DIR"
BUNDLE=1
if [ "$OLLAMA_INSTALL_DIR/bin/ollama" != "$BINDIR/ollama" ] ; then
status "Making ollama accessible in the PATH in $BINDIR"
$SUDO ln -sf "$OLLAMA_INSTALL_DIR/ollama" "$BINDIR/ollama"
fi

复制代码

四.剔除GPU相关下载ROCM等，纯CPU运行脚本

在题目3的底子上，又剔除了GPU部分，即从wls2注释将下面全部删除
完整版离线基于CPU的运行脚本

#!/bin/sh# This script installs Ollama on Linux.# It detects the current operating system architecture and installs the appropriate version of Ollama.set -eustatus() { echo ">>> $*" >&2; }error() { echo "ERROR $*"; exit 1; }warning() { echo "WARNING: $*"; }TEMP_DIR=$(mktemp -d)cleanup() { rm -rf $TEMP_DIR; }trap cleanup EXITavailable() { command -v $1 >/dev/null; }require() { local MISSING='' for TOOL in $*; do if ! available $TOOL; then MISSING="$MISSING $TOOL" fi done echo $MISSING}[ "$(uname -s)" = "Linux" ] || error 'This script is intended to run on Linux only.'ARCH=$(uname -m)case "$ARCH" in x86_64) ARCH="amd64" ;; aarch64|arm64) ARCH="arm64" ;; *) error "Unsupported architecture: $ARCH" ;;esacIS_WSL2=falseKERN=$(uname -r)case "$KERN" in *icrosoft*WSL2 | *icrosoft*wsl2) IS_WSL2=true;; *icrosoft) error "Microsoft WSL1 is not currently supported. Please use WSL2 with 'wsl --set-version <distro> 2'" ;; *) ;;esacVER_PARAM="${OLLAMA_VERSION:+?version=$OLLAMA_VERSION}"SUDO=if [ "$(id -u)" -ne 0 ]; then # Running as root, no need for sudo if ! available sudo; then error "This script requires superuser permissions. Please re-run as root." fi SUDO="sudo"fiNEEDS=$(require curl awk grep sed tee xargs)if [ -n "$NEEDS" ]; then status "ERROR: The following tools are required but missing:" for NEED in $NEEDS; do echo " - $NEED" done exit 1fifor BINDIR in /usr/local/bin /usr/bin /bin; do echo $PATH | grep -q $BINDIR && break || continuedoneOLLAMA_INSTALL_DIR=$(dirname ${BINDIR})status "Installing ollama to $OLLAMA_INSTALL_DIR"$SUDO install -o0 -g0 -m755 -d $BINDIR$SUDO install -o0 -g0 -m755 -d "$OLLAMA_INSTALL_DIR"status "Downloading Linux ${ARCH} bundle"
# curl --fail --show-error --location --progress-bar \
# "https://ollama.com/download/ollama-linux-${ARCH}.tgz${VER_PARAM}" | \
$SUDO tar -xzf ./ollama-linux-amd64.tgz -C "$OLLAMA_INSTALL_DIR"
BUNDLE=1
if [ "$OLLAMA_INSTALL_DIR/bin/ollama" != "$BINDIR/ollama" ] ; then
status "Making ollama accessible in the PATH in $BINDIR"
$SUDO ln -sf "$OLLAMA_INSTALL_DIR/ollama" "$BINDIR/ollama"
fi
install_success() { status 'The Ollama API is now available at 127.0.0.1:11434.' status 'Install complete. Run "ollama" from the command line.'}trap install_success EXIT# Everything from this point onwards is optional.configure_systemd() { if ! id ollama >/dev/null 2>&1; then status "Creating ollama user..." $SUDO useradd -r -s /bin/false -U -m -d /usr/share/ollama ollama fi if getent group render >/dev/null 2>&1; then status "Adding ollama user to render group..." $SUDO usermod -a -G render ollama fi if getent group video >/dev/null 2>&1; then status "Adding ollama user to video group..." $SUDO usermod -a -G video ollama fi status "Adding current user to ollama group..." $SUDO usermod -a -G ollama $(whoami) status "Creating ollama systemd service..." cat <<EOF | $SUDO tee /etc/systemd/system/ollama.service >/dev/null[Unit]Description=Ollama ServiceAfter=network-online.target[Service]ExecStart=$BINDIR/ollama serveUser=ollamaGroup=ollamaRestart=alwaysRestartSec=3Environment="PATH=$PATH"[Install]WantedBy=default.targetEOF SYSTEMCTL_RUNNING="$(systemctl is-system-running || true)" case $SYSTEMCTL_RUNNING in running|degraded) status "Enabling and starting ollama service..." $SUDO systemctl daemon-reload $SUDO systemctl enable ollama start_service() { $SUDO systemctl restart ollama; } trap start_service EXIT ;; esac}if available systemctl; then configure_systemdfiinstall_success

复制代码

五.GPU CUDA版本

5.1 cuda版本检测

cmd运行

nvidia-smi

复制代码

5.2 cuda ubuntu-wsl驱动下载

CUDA驱动官网

进入wsl实行安装下令
5.3 cuda全局变量设置

cd ~
vim .bashrc
#=======start ==============
#config cuda
export CUDA_HOME=/usr/local/cuda-12.6
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/extras/CUPTI/lib64
#===========end =============
source ~/.bashrc
nvcc --version

复制代码

5.4 安装ollama

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

复制代码

若拉取不下来ollama，请参照剔除cpu版修改当地安装
六.ollama常用下令

# 关闭ollama服务
service ollama stop
#ollama serve # 启动ollama
sudo systemctl start ollama # 启动ollama
ollama create # 从模型文件创建模型
ollama show # 显示模型信息
ollama run qwen2.5:3b-instruct-q5_K_M # 运行模型，会先自动下载模型
ollama pull # 从注册仓库中拉取模型
ollama push # 将模型推送到注册仓库
ollama list # 列出已下载模型
ollama ps # 列出正在运行的模型
ollama cp # 复制模型
ollama rm # 删除模型

复制代码

七. 长途测试

发起生产不开启，由于没有token等限定，必须留意接口调用安全
7.1 停止ollama服务

systemctl stop ollama

复制代码

7.2修改ollama的service文件

vim /etc/systemd/system/ollama.service

复制代码

7.3 ollama基本设置

OLLAMA_DEBUG: 显示额外的调试信息（例如：OLLAMA_DEBUG=1）。
OLLAMA_HOST: Ollama 服务器的 IP 地址（默认值：127.0.0.1:11434），如果你想要在局域网内的其他设备上访问它可以设置为0.0.0.0。
OLLAMA_PORT: 如果默认的 11434 端口被占用了，可以用它设置一个新的，比如 4567
OLLAMA_KEEP_ALIVE: 模型在内存中保持加载的时长（默认值：“5m”），防止睡眠，如果对外提供服务，可以设置类似24h这样的值，这样24小时内它就不会睡眠了，但同样的它也会一直加载在内存中。
OLLAMA_MAX_LOADED_MODELS: 每个 GPU 上最大加载模型数量。
OLLAMA_MAX_QUEUE: 请求队列的最大长度。
OLLAMA_MODELS: 模型目录的路径，默认`.ollama/models`，如果你的系统盘空间不够，或者想把模型放在更大的硬盘上可以配置指定路径。
OLLAMA_NUM_PARALLEL: 最大并行请求数。
OLLAMA_NOPRUNE: 启动时不修剪模型 blob。
OLLAMA_ORIGINS: 允许的源列表，使用逗号分隔。
OLLAMA_SCHED_SPREAD: 始终跨所有 GPU 调度模型。
OLLAMA_TMPDIR: 临时文件的位置。
OLLAMA_FLASH_ATTENTION: 启用 Flash Attention。
OLLAMA_LLM_LIBRARY: 设置 LLM 库以绕过自动检测。

复制代码

[Unit]
Description=Ollama Service
After=network-online.target
[Service]
ExecStart=/usr/local/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3
Environment="PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin"
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_NUM_PARALLEL=4" #并行处理请求的数量
Environment="OLLAMA_MAX_LOADED_MODELS=4" #同时加载的模型数量
[Install]
WantedBy=default.target

复制代码

7.4 启动ollama

sudo systemctl daemon-reload
sudo systemctl start ollama
# 若启动失败可以使用 ollama serve测试

复制代码

八. ollama集成自界说模型

实验过Stable Diffusion集成ollama，但是sd在ollama上无法良好运行。故此作罢。
ollama自界说模型导入文档
创建一个名为 Modelfile 的文件，并在其中包含一个 FROM 指令，该指令指向你想要导入的模型的当地文件路径

sudo vim Modelfile
#==================
FROM ./sd3.5_medium-Q5_K_M.gguf
#==================
ollama create sd3.5_medium-Q5_K_M.gguf -f Modelfile

复制代码

九.安装Dify

Dify是集成AI引擎的大作，同时具备ai流派功能。可以作为对接ai的认证授权，限流处理。同时对接多个AI引擎。类似于360纳米AI助手。360就是强！

Dify官网到github下载源码包
官方教程
访问http://localhost/install
八.对接spring AI

<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bom</artifactId>
<version>1.0.0-SNAPSHOT</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-ollama</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>
</dependencies>
<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
<repository>
<id>spring-snapshots</id>
<name>Spring Snapshots</name>
<url>https://repo.spring.io/snapshot</url>
<releases>
<enabled>false</enabled>
</releases>
</repository>
</repositories>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>

复制代码

若以上代码无法拉取，大概被setting.xml全局拦截到镜像站。以上spring ai还未发布到maven中心仓库请参考maven多仓库私库模板设置

spring:
application:
name: spring-ai-ollama
ai:
ollama:
base-url: http://192.168.200.94:11434
chat:
# 为了使模型输入内容拥有更多的多样性或随机性，应当增加temperature。
#在 temperature 非零的情况下，从 0.95 左右的 top-p（或 250 左右的 top-k ）开始，根据需要降低 temperature。
# 如果有太多无意义的内容、垃圾内容或产生幻觉，应当降低 temperature 和降低top-p/top-k。
# 如果 temperature 很高而模型输出内容的多样性却很低，应当增加top-p/top-k。
# 为了获得更多样化的主题，应当增加存在惩罚值。
# 为了获得更多样化且更少重复内容的模型输出，应当增加频率惩罚。
options:
# 配置文件指定时，现在程序中指定的模型，程序没有指定模型在对应查找配置中的模型
# model: qwen:0.5b-chat
model: qwen2.5:3b-instruct-q4_K_M
# 支持的最大字符数
max_tokens: 2048
# 温度值越高，准确率下降，温度值越低，准确率上升
# 对于每个提示语只需要单个答案：零。
#对于每个提示语需要多个答案：非零。
temperature: 0.4
# 随机采样值越大，随机性越高
# 在 temperature 为零的情况下：输出不受影响。
# 在 temperature 不为零的情况下：非零。
top_p: 0.2
# 贪心解码值越大，随机性越高
top-k: 40
# 频率惩罚让token每次在文本中出现都受到惩罚。这可以阻止重复使用相同的token/单词/短语，同时也会使模型讨论的主题更加多样化，更频繁地更换主题
# 当问题仅存在一个正确答案时：零。
# 当问题存在多个正确答案时：可自由选择。
frequency-penalty: 0
# 存在惩罚如果一个token已经在文本中出现过，就会受到惩罚使其讨论的主题更加多样化，话题变化更加频繁，而不会明显抑制常用词的重复
presence-penalty: 0

复制代码

@RestController
public class QianWenController {
@Resource
private OllamaChatModel ollamaChatModel;
@RequestMapping(value = "/ollama")
public Map<String, Object> ollama2(@RequestParam(value = "msg",defaultValue = "hello") String msg) {
Map<String, Object> map = new HashMap<String, Object>();
long start = System.currentTimeMillis();
ChatResponse chatResponse = ollamaChatModel.call(new Prompt(msg, OllamaOptions.builder()
.model(OllamaModel.QWEN_2_5_7B)//使用哪个大模型
.temperature(0.4)
.build()));//温度，温度值越高，准确率下降，温度值越低，准确率上升
String content = chatResponse.getResult().getOutput().getText();
long end = System.currentTimeMillis();
map.put("content", content);
map.put("time", (end - start) / 1000);
return map;
}
@RequestMapping(value = "/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE + ";charset=UTF-8")
public Flux<String> stream(@RequestParam(value = "msg",defaultValue = "hello") String msg) {
return ollamaChatModel
.stream(new Prompt(msg))
.flatMapSequential(chunk -> Flux.just(chunk.getResult().getOutput().getText()));
}
}

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

		自动登录	找回密码
密码			立即注册

在离线环境Linux部署Ollama与Dify的CPU及CUDA版本，并将其整合至Spring AI ...

本帖子中包含更多资源

0 个回复

快速回复

楼主热帖

标签云