服务器Ubuntu22.04系统下Ollama的
详细部署安装和搭配open_webui使用
欢迎使用我们公司服务器来部署和使用Ollama大模型。通过本指南，您将学会如何在Ubuntu 22.04系统下安装和配置Ollama大模型，并使用open-webui进行交互。如果您对我们的服务器感兴趣，可以在官网处获取服务器资源，我们还提供详细的部署帮助文档，帮助您轻松上手。
Ollama介绍

      Ollama 是一个开源的大模型管理工具，提供丰富的功能，包括模型的训练、部署、监控等。通过Ollama，你可以轻松地管理本地的大模型，提高模型的训练速度和部署效率。此外，Ollama还支持多种机器学习框架，如TensorFlow、PyTorch等，使你可以根据需求选择合适的框架进行模型训练。接下来，我们进入部署环节。

      项目地址：https://github.com/ollama/ollama
部署框架
在这个框架中，每个组件都有其特定的角色和功能，它们通过Web UI这个桥梁相互连接，共同为用户提供服务。用户通过浏览器与Web服务器交互，而Web服务器则负责与后端的Ollama模型进行通信，以完成文字生成的任务。
• 用户（User）：
用户是最终与系统交互的人，他们使用Web UI来生成长对话。
• 浏览器（Browser）：
用户通过浏览器访问Web服务器。浏览器充当客户端，发送HTTP请求并接收响应。
• Web服务器（Web Server）：
运行在Ubuntu服务器上的软件，通常是Web框架的一部分，比如Flask或Django。它处理来自浏览器的HTTP请求，提供Web UI，并与后端服务交互。
• Ollama模型（Ollama Model）：
Ollama是月之暗面科技有限公司开发的AI助手，擅长中英文对话，能处理长文本和多种文件，提供安全、合规的智能服务。
• Web UI（Web User Interface）：
用户通过Web UI与系统交互。Web UI是Web服务器提供的前端界面，允许用户上传文字、设置生成参数等。
Ollama模型的优点和缺点
ollama 模型具有以下一些优点和缺点：

• 优点：
灵活性：可以在本地运行，用户对数据和使用环境有更大的控制权，适合对数据隐私有较高要求的场景。
可定制性：能够根据特定的需求和任务进行一定程度的定制和优化。
低依赖网络：在本地运行减少了对网络连接的依赖，保证在网络不稳定的情况下也能使用。
• 缺点：
资源需求：在本地运行可能需要较高的计算资源，包括硬件配置和内存等。
模型更新：与云服务相比，模型的更新可能不够及时和便捷。
初始设置复杂：对于非技术用户，本地部署和配置可能具有一定的难度。
性能上限：可能在某些复杂任务上的表现不如大规模云服务提供商训练的模型。
部署流程解释介绍
1. 购买 GPU 服务器
• 在官网购买并配置服务器：
• 操作系统选择：
     选择一个适合您需求的操作系统，通常推荐使用 Ubuntu 22.04 LTS，因为它提供了长期支持和稳定性。
• 购买和部署：
    完成购买流程，启动服务器，并进行初步配置。
    FinalShell是一款服务器管理工具，支持SSH和远程桌面，使用FinalShell远程连接配置服务器。

二、Ubuntu 22.04基本环境配置
• 更新包列表
     确保系统获取到最新的可用软件包信息，以便能够安装最新或合适的版本。
• 安装 docker 依赖
     用于验证 Docker 软件源的合法性和安全性。
• 添加阿里云 docker 软件源
     为了提高下载速度或获取特定的优化配置。
• 安装 docker
     Docker是一个容器化平台，它允许您在隔离的环境中运行应用程序。在系统中安装 Docker 引擎，以便能够使用 Docker 相关功能。
• 安装完成 docker 测试
    验证 Docker 是否正确安装并且能够正常工作。
• docker 配置国内镜像源
    加速 Docker 镜像的下载速度，减少因网络原因导致的下载缓慢或失败。

三、 安装英伟达显卡驱动
• 使用 Apt 安装
     通过 Ubuntu 的包管理工具 Apt 来获取和安装适合系统的英伟达显卡驱动，使显卡能够正常工作并发挥最佳性能。

四、使用 docker 安装 ollama
• 使用 docker 拉取 ollama 镜像
    从 Docker 仓库获取 ollama 的镜像，为后续运行容器做准备。
• 使用 docker 运行以下命令来启动 Ollama 容器
     创建并启动一个基于 ollama 镜像的容器，使其能够运行。
• 使用 ollama 下载模型
     获取所需的模型，以便 ollama 能够基于这些模型提供相应的服务。

五、使用 docker 安装 open-webui
• docker 部署 ollama web ui
    通过 Docker 来搭建 ollama 的 Web 用户界面。
• 注册账号并成功进入：聊天界面
    用户可以通过该界面与 ollama 进行交互和获取服务。
 
部署流程概述
• 环境配置：对 Ubuntu 和 Docker 进行基本环境配置，包括更新包列表、安装依赖、添加密钥和软件源来安装 Docker 并进行测试，还配置了国内镜
                   像源以优化 Docker 镜像的获取。
• 安装显卡驱动：通过 Apt 安装英伟达显卡驱动，为需要显卡支持的应用提供保障。
• 安装 open-webui：使用 Docker 安装 open-webui ，包括部署界面、注册账号，最终成功进入聊天界面以进行交互操作。
部署具体流程
一、FinalShell的下载及使用：
   FinalShell是一款服务器管理工具，支持SSH和远程桌面，提供多标签管理、命令自动提示、SFTP、性能监控等功能，适用于开发运维，界面友好，在很大程度上可以免费替代XShell。
    FinalShell的下载：https://www.hostbuf.com/t/988.html
    FinalShell的基本使用：
   连接Linux服务器    进行如下设置：
    名称：  自定义
    主机：  填写你的服务器的公网IP
    端口：  填写服务器端口
    备注：  自定义
    方法：  密码
    用户名：默认是root
    密码：  填写服务器的登录密码 新建完后双击或者右键点击连接
二、ubuntu22.04基本环境配置
1. 更新包列表
•打开终端，输入以下命令
sudo apt-get update
sudo apt upgrade

更新时间较长，请耐心等待 这里一直按enter键即可 按enter键即可

2. 安装docker依赖 
sudo apt-get install ca-certificates curl gnupg lsb-release

3.添加阿里云docker软件源
curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -

按enter键即可

4.添加阿里云docker软件源
sudo add-apt-repository "deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"

5.安装docker
apt-get install docker-ce docker-ce-cli containerd.i

输入y允许安装 这里耐心等待即可 按enter键即可
6.安装完成docker测试
docker -v


7.docker配置国内镜像源
7.1 编辑配置文件 
vi /etc/docker/daemon.json
按i进入编辑模式
加入以下内容： 
{
"registry-mirrors": 
[
"https://docker.mirrors.ustc.edu.cn",
"https://hub-mirror.c.163.com",
"https://docker.m.daocloud.io", 
"https://ghcr.io",
"https://mirror.baidubce.com",
"https://docker.nju.edu.cn"
]
}
按ESC键退出编辑模式，接着输入:wq，保存并退出

7.2 重新加载docker 
sudo systemctl daemon-reload

7.3 重启docker 
sudo systemctl restart docker

三、安装英伟达显卡驱动
使用 Apt 安装
• 配置存储库
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \ 
    | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list  \
    | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g'  \
    | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

• 更新包列表
sudo apt-get update

• 安装 NVIDIA Container Toolkit 软件包
sudo apt-get install -y nvidia-container-toolkit

这里也会比较久，请耐心等待，按enter键即可 按enter键即可
•  配置 Docker 以使用 Nvidia 驱动程序
sudo nvidia-ctk runtime configure --runtime=docker


•  重新启动docker
sudo systemctl restart docker


四、使用docker安装ollama
1.使用docker拉取ollama镜像
docker pull ollama/ollama:latest
或使用国内镜像（推荐使用) 
docker pull dhub.kubesre.xyz/ollama/ollama:latest

2.使用docker运行以下命令来启动 Ollama 容器
docker run -d --gpus=all --restart=always -v /root/project/docker/ollama:/root/project/.ollama -p 11434:11434 --name ollama ollama/ollama
使ollama保持模型加载在内存（显存）中

•  参考文章
ollama如何保持模型加载在内存（显存）中或立即卸载

•  执行以下命令：
docker run -d --gpus=all -e OLLAMA_KEEP_ALIVE=-1  -v /root/docker/ollama:/root/.ollama -p 11434:11434 --name  ollama  ollama/ollama

3.使用ollama下载模型
•  这里示例下载阿里的通义千问 
docker exec -it ollama ollama run qwen2
运行效果如图： 下载成功
ctrl+D退出聊天

•  模型库
模型参数数量大小下载方式
Llama 27B3.8GBdocker exec -it ollama ollama run llama2
Mistral7B4.1GBdocker exec -it ollama ollama run mistral
Dolphin Phi2.7B1.6GBdocker exec -it ollama ollama run dolphin-phi
Phi-22.7B1.7GBdocker exec -it ollama ollama run phi
Neural Chat7B4.1GBdocker exec -it ollama ollama run neural-chat
Starling7B4.1GBdocker exec -it ollama ollama run starling-lm
Code Llama7B3.8GBdocker exec -it ollama ollama run codellama
Llama 2 Uncensored7B3.8GBdocker exec -it ollama ollama run llama2-uncensored
Llama 213B7.3GBdocker exec -it ollama ollama run llama2:13b
Llama 270B39GBdocker exec -it ollama ollama run llama2:70b
Orca Mini3B1.9GBdocker exec -it ollama ollama run orca-mini
Vicuna7B3.8GBdocker exec -it ollama ollama run vicuna
LLaVA7B4.5GBdocker exec -it ollama ollama run llava
Gemma2B1.4GBdocker exec -it ollama ollama run gemma:2b
Gemma7B4.8GBdocker exec -it ollama ollama run gemma:7b

五、使用docker安装open-webui
1.docker部署ollama web ui
查看自己服务器的业务端口，我们这里是30131-30140
如下方打开购买服务器端口映射信息，这里的业务端口可以设置30131到30140之间的端口号
•  映射信息解释：
1.Linux（Ubuntu/CentOS）类操作系统连接内网22端口
2.Windows操作系统连接内网3389端口
3.业务端口

•  main版本
docker run -d -p 15027:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.nju.edu.cn/open-webui/open-webui:main
•  cuda版本
docker run -d -p 15027:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.nju.edu.cn/open-webui/open-webui:cuda



• 安装成功后，可以在另一台计算机进行访问，如下：
2.注册账号
默认第一个账号是管理员
3.成功进入聊天界面

4.成功安装