群晖Docker部署指南：Ollama+Open WebUI+DeepSeek全流程解析

一、环境准备与前置条件

1.1 群晖NAS硬件要求

• CPU架构：需支持x86-64或ARMv8架构（如DS923+、DS1621+等型号）
• 内存建议：至少8GB RAM（运行DeepSeek模型时建议16GB+）
• 存储空间：预留20GB以上可用空间（模型文件约5-15GB）

1.2 Docker环境配置

1. 通过套件中心安装Docker套件（版本需≥20.10）
2. 启用SSH服务（控制面板→终端机和SNMP→启动SSH服务）
3. 验证Docker运行状态：

   sudo docker version
   # 应返回Client/Server版本信息

二、Ollama容器部署

2.1 镜像拉取与配置

sudo docker pull ollama/ollama:latest

2.2 容器创建参数

参数项	配置值	说明
容器名称	ollama-server	自定义标识
端口映射	11434:11434	Ollama默认API端口
卷映射	/volume1/docker/ollama:/root/.ollama	持久化模型存储路径
重启策略	Unless Stopped	意外退出时自动重启

2.3 验证服务运行

sudo docker exec -it ollama-server ollama list
# 应返回已安装模型列表（初始为空）

三、DeepSeek模型加载

3.1 模型选择建议

模型版本	参数规模	适用场景	硬件要求
deepseek-r1-7b	7B	轻量级文本生成	4GB VRAM
deepseek-r1-33b	33B	专业级复杂任务	16GB+ VRAM

3.2 模型下载命令

sudo docker exec -it ollama-server ollama pull deepseek-r1:7b
# 下载进度可通过`ollama list`查看

四、Open WebUI部署

4.1 镜像选择与配置

sudo docker pull ghcr.io/open-webui/open-webui:main

4.2 容器网络配置

# docker-compose.yml示例
version: '3'
services:
  webui:
    image: ghcr.io/open-webui/open-webui:main
    ports:
      - "3000:3000"
    environment:
      - OLLAMA_HOST=ollama-server
      - OLLAMA_PORT=11434
    volumes:
      - /volume1/docker/webui:/app/backend/data
    depends_on:
      - ollama-server

4.3 初始设置流程

1. 访问http://群晖IP:3000
2. 首次登录需设置管理员密码
3. 在Settings→Model Provider中配置Ollama连接：
   • API Base URL: http://ollama-server:11434
   • 测试连接应返回”Success”

五、高级配置与优化

5.1 性能调优参数

# 在Ollama容器启动时添加GPU支持（需安装NVIDIA Container Toolkit）
sudo docker run -d --gpus all \
  -p 11434:11434 \
  -v /volume1/docker/ollama:/root/.ollama \
  --name ollama-server \
  ollama/ollama:latest

5.2 模型缓存优化

1. 在/volume1/docker/ollama下创建cache目录
2. 修改Ollama启动参数：

   -e OLLAMA_MODELS=/root/.ollama/models \
   -e OLLAMA_ORIGINS=* \
   -e OLLAMA_KEEP_ALIVE=5m

5.3 安全加固建议

1. 限制WebUI访问IP：

   # 在docker-compose中添加
   network_mode: "host"
   extra_hosts:
   - "webui-local:127.0.0.1"

2. 启用HTTPS：
   • 使用Caddy反向代理
   • 配置自动SSL证书（Let’s Encrypt）

六、故障排查指南

6.1 常见问题处理

现象	可能原因	解决方案
模型加载失败	存储权限不足	检查卷映射权限（755）
API连接超时	网络隔离	将容器加入相同Docker网络
响应延迟高	内存不足	增加交换空间或升级内存

6.2 日志分析方法

# 获取Ollama容器日志
sudo docker logs ollama-server --tail 100
# 获取WebUI错误日志
sudo docker exec -it webui-container cat /app/backend/logs/error.log

七、扩展应用场景

7.1 集成HomeAssistant

# 在HA的configuration.yaml中添加
llm_model:
  url: "http://群晖IP:11434"
  model: "deepseek-r1:7b"

7.2 构建知识库问答系统

1. 使用LangChain框架连接Ollama API
2. 配置向量数据库（如Chroma）
3. 示例调用代码：

   from ollama import Chat
   chat = Chat(model="deepseek-r1:7b", url="http://群晖IP:11434")
   response = chat.generate("解释量子计算原理")
   print(response.generations[0].text)

八、维护与升级策略

8.1 定期维护清单

1. 每月执行模型更新检查：

   sudo docker exec -it ollama-server ollama pull deepseek-r1:7b --update

2. 每季度清理未使用的模型缓存：

   rm -rf /volume1/docker/ollama/models/*.bin

8.2 版本升级流程

1. 备份当前配置：

   sudo docker commit ollama-server ollama-backup:$(date +%Y%m%d)

2. 删除旧容器并拉取新镜像
3. 恢复卷映射和数据

九、性能基准测试

9.1 测试工具推荐

• ollama-benchmark：内置测试套件
• Locust：压力测试工具
• 示例测试命令：

  sudo docker exec -it ollama-server ollama run deepseek-r1:7b \
  --prompt "写一首关于AI的诗" \
  --temperature 0.7 \
  --top_k 50

9.2 基准数据参考

模型版本	首次响应时间	吞吐量（tokens/s）
deepseek-r1-7b	1.2s	18-22
deepseek-r1-33b	3.5s	8-12

十、最佳实践总结

1. 资源分配原则：

   • 为Ollama保留至少50%的可用内存
   • 避免与其他高负载服务共用同一NAS

2. 模型选择策略：

   • 开发测试阶段使用7B模型
   • 生产环境根据任务复杂度选择13B/33B版本

3. 备份方案：

   • 每周自动备份模型文件至冷存储
   • 维护Docker配置的版本控制

通过本指南的完整实施，读者可在群晖NAS上构建功能完备的AI推理环境，实现从模型部署到Web界面交互的全流程自动化。实际部署中建议先在测试环境验证配置，再迁移至生产环境。