RAGFlow 1.0 自托管

📘 教程 2026-11-20 约 21 分钟阅读

照老教程敲命令能跑,之后某个容器悄悄退出,网页 502,日志里看不出六个依赖里是谁倒下。

📜 目录

RAGFlow 在 2026 年 11 月 6 日打了 v1.0.0。对要装它的人来说,最该看的数字不是跑分,是镜像:v0.27.3 是 3618 MB,v1.0.0 是 361 MB。同一个仓库同一个 registry,小了十倍。这两个数今天从 Docker Hub 接口取出来,不是更新日志里的说法。

第二个变化是容器数量。默认 .env 下一条 docker compose up -d 起六个容器,其中四个不是 RAGFlow 自己。这四个里任何一个起不来,网页能打开登录页,然后每个请求都失败。

项目数值(2026-11-20 核对)
最新版本v1.0.0,2026-11-06 发布
GitHub star / fork94440 / 11351
未关 issue1293
许可Apache-2.0
镜像体积,v1.0.0 对 v0.27.3361 MB 对 3618 MB
官方最低配置4 核、16 GB 内存、50 GB 磁盘
Docker / Compose24.0.0+ / v2.26.1+(需 BuildKit)

四条命令

下面全部来自仓库 v1.0.0 标签下的 docker/README.md 和 docs/quickstart.mdx。从这个版本起镜像同时提供 x86-64 和 ARM64。

# 1. Elasticsearch 需要更大的 mmap 计数,多数发行版默认不够
sysctl vm.max_map_count
sudo sysctl -w vm.max_map_count=262144
# 再把 vm.max_map_count=262144 手工写进 /etc/sysctl.conf,否则重启就丢

# 2. 拉代码并锁版本
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
git checkout v1.0.0

# 3. 起服务
docker compose -f docker-compose.yml up -d

# 4. 先查健康,再开浏览器
curl -f http://localhost/api/v1/system/healthz

第四步最容易被跳过。这个端点会把 API 和依赖走一遍,只有数据库迁移跑完才返回 200。首次启动时迁移在 RAGFlow 容器里执行,所以 docker ps 早就全是 Up 了,这个端点还在返回 000。

默认 .env 解出来是 COMPOSE_PROFILES=elasticsearch,cpu,metadata-mysql。有三个服务不属于任何 profile,所以一定会起:minio、kvrocks、nats。加上 MySQL 和 Elasticsearch,一共六个容器。

容器镜像体积作用
ragflow-cpuinfiniflow/ragflow:v1.0.0361 MBAPI、解析 worker、数据库迁移
es01elasticsearch:8.11.3673 MB文档引擎,存分块和向量
mysqlmysql:8.0.40171 MB元数据:用户、知识库、任务状态
miniopgsty/silo(MinIO 兼容)55 MB原始文件存储
kvrocksapache/kvrocks:2.16.065 MBGo 服务的缓存与队列
natsnats:2.14.27 MBJetStream,解析和同步的消息总线

镜像加起来 1332 MB,比过去单个 RAGFlow 镜像还小三分之一。40 GB 的云盘上,镜像、卷、Elasticsearch 索引挤在同一块盘,这个差别是能感觉到的。

四个设置决定能不能起来

一、vm.max_map_count。Elasticsearch 把索引段映射进内存,计数低于 262144 就不启动。仓库说明里写明换用 Infinity 引擎通常不需要。sysctl -w 改的是临时值,重启就回去,这就是一个跑了七天都正常的栈在内核更新后突然起不来的原因。

二、80 端口。默认 SVR_WEB_HTTP_PORT=80。宿主机上已有 nginx 或 Caddy 占着 80,compose 报 bind: address already in use,其余容器照旧起来。改成 8080,健康检查和浏览器地址都要带端口。

三、Elasticsearch 那 7.52 GiB 上限。MEM_LIMIT=8073741824,作为 es01 的 mem_limit。16 GB 机器上还能给 MySQL、解析进程和系统留余量;8 GB 机器上这个上限低于 JVM 需要,表现是容器反复重启,看着像崩溃,其实是内存被卡住。官方把最低配置写成 16 GB 就是为了这个。

四、DOC_ENGINE 和它决定的 profile。它不是提示,通过 COMPOSE_PROFILES=${DOC_ENGINE},${DEVICE},metadata-${METADATA_DB_PROFILE} 直接决定起哪些容器。可选引擎:elasticsearch(默认)、infinity、opensearch、oceanbase、seekdb、serenedb、vastbase。换成 infinity 起的是 325 MB 的容器,不再要 mmap,但已经写进 Elasticsearch 的分块不会自己搬过去。

端口变了

配置项默认跑什么
SVR_WEB_HTTP_PORT80网页,走代理
SVR_HTTP_PORT9380API,含 POST /api/v1/mcp
ADMIN_SVR_HTTP_PORT9381管理服务
ES_PORT1200Elasticsearch 宿主机端口
EXPOSE_MYSQL_PORT3306MySQL
MINIO_PORT / 控制台9000 / 9001对象存储
KVROCKS_PORT6379kvrocks
SVR_MCP_PORT9382可选 MCP 监听,compose 里默认注释掉

Elasticsearch 在 1200,不是 9200。0.27 时代留下的防火墙规则和监控探针,现在打的是空的。

上线前换密码

官方 quickstart 自己写了这句:部署到公网可访问的机器前先改默认凭据。infini_rag_flow 同时是 Elasticsearch、MySQL、MinIO、kvrocks 的密码;ADMIN_DEFAULT_PASSWORD 默认是 admin;REGISTER_ENABLED=1 意味着能访问 80 端口的人都能自己注册。密码从 MINIO_PASSWORD、MYSQL_PASSWORD、ELASTIC_PASSWORD 读,改一个文件重启即生效,已经有数据之后再改等于重建卷。

1.0 重写了什么

API 层换成 Go,在 9380 上提供 POST /api/v1/mcp;解析、同步、知识编译的消息走 NATS JetStream;开源版 1.0 里 DeepDoc 的版面分析、OCR、表格识别全部跑在 CPU 上。最后这条决定吞吐预期:50 页 PDF 用 CPU 解析本来就慢,这个构建里加显卡也改变不了。

升级有自己的坑。代码版本比数据库迁移版本旧时,服务直接拒绝启动,报 Refusing to start: database was migrated by a newer version。本地开发可设 RAGFLOW_DEV_MODE=true;生产环境该换一个不低于迁移版本的构建,而不是把开关打开。

起不来时对号入座

现象原因怎么查
网页 502,容器都是 UpAPI 还在迁移curl -f localhost/api/v1/system/healthz,再看 docker logs -f ragflow-cpu
es01 每分钟重启mmap 计数低于 262144sysctl vm.max_map_count
compose 报 80 端口占用nginx 已经绑了 80改 SVR_WEB_HTTP_PORT,所有地址带端口
解析量一大 es01 被杀撞上 7.52 GiB 上限docker stats;调 MEM_LIMIT 时宿主机内存要跟上
旧监控全哑ES 挪到 1200把 9200 的探针改过来

文中数字于 2026 年 11 月 20 日取自 Docker Hub 接口(镜像体积)、GitHub 接口(star、fork、issue、发布日期)和仓库 v1.0.0 标签。star 数和镜像标签会变,引用前请重核。

相关:一千次 RAG 问答的真实账单、RAGFlow 与 Dify 的取舍。

相关文章

延伸阅读 · 含推广链接

自己配环境的时间往往比写代码还长。现成镜像装好就能起,省下的是反复调试的那几个小时。

看现成镜像 →

相关文章
2026-07-22
2026年Cursor AI替代方案:8款免费IDE助手
2026-08-13
2026 年在安卓上跑 LLM:5 种把本地模型装进手机的方法
2026-07-19
开源TTS语音合成:Edge TTS和ChatTTS怎么选
2026-08-03
2026年Telegram AI机器人:python-telegram-bot(2.9万星)+ 大模型,免费官方又简单
2026-08-11
合成数据生成2026:训练更好模型的工具与方法
2026-07-16
模型量化入门:GGUF/GPTQ/AWQ三种量化方式该怎么选?

本站文章由编辑人工撰写,收录的工具均经过实测或公开资料核验。文中链接指向工具官网或 GitHub 仓库,仅作信息参考,不构成付费推广。

💬 评论 (0)

暂无评论,来说两句吧~

登录后评论