解锁DeepSeek潜能：Docker+Ollama打造本地大模型部署新范式

解锁DeepSeek潜能：Docker+Ollama打造本地大模型部署新范式

引用

CSDN

1.

https://blog.csdn.net/weixin_53269650/article/details/146457200

一、引言

1、什么是Docker

Docker：就像一个“打包好的App”

想象一下，你写了一个很棒的程序，在自己的电脑上运行得很好。但当你把它发给别人，可能会遇到各种问题：

• “这个软件需要 Python 3.8，但我只有 Python 3.6！”
• “我没有你用的那个库，安装失败了！”
• “你的程序要跑在 Linux，我的电脑是 Windows！”

💡Docker 的作用：它就像一个“打包好的 App”，把你的软件、依赖、环境、系统配置等全部封装到一个“容器”里，别人拿到这个容器，就能直接运行，而不用关心它内部的细节。

🚀 把 Docker 想象成“集装箱”

传统运输 vs. 集装箱运输

以前（传统部署）：

• 货物（程序）需要不同的包装方式（运行环境）
• 货物可能损坏（环境不兼容）
• 装卸麻烦（程序迁移难）

有了 Docker（容器部署）：

• 货物装进标准化集装箱（Docker 容器）
• 不管运到哪里，集装箱里东西不变（程序环境一致）
• 码头和船只可以直接装卸（轻松部署到不同系统）

Docker让软件像“集装箱”一样标准化、可移植、易部署！🚢

2、什么是Ollama

Ollama 是一个本地运行大语言模型（LLM）的工具，它可以让你在自己的电脑上直接运行 AI 模型，而不需要连接云端服务器。

💡简单来说：Ollama 让你像运行普通软件一样，轻松在本地使用 ChatGPT、Llama、Mistral、Gemma 等大语言模型。

🚀 Ollama 的核心特点

1. 本地运行🏠

• 你不需要联网，也不用担心隐私问题，所有计算都在你的电脑上完成。

2. 支持多种开源模型📚

• 可以运行Llama 3、Mistral、Gemma、Code Llama等不同的大模型。

3. 易于安装和使用🔧

• 只需要几条命令，就能下载并运行 AI 模型。

4. 轻量化优化⚡

• 适配 Mac（Apple Silicon）、Linux 和 Windows，支持 GPU 加速，让模型运行更快。

5. 离线推理🔒

• 适合不想依赖 OpenAI API 或其他云端 AI 服务的用户。

二、准备工作

1、操作系统

这里我们使用的操作系统为Centos 7.9，配置为4核8G，大家也可以使用其他的Linux发行版本，或者使用Windows。

2、镜像准备

如果已经安装了Docker，可以提前准备好镜像，ollama/ollama，镜像比较大，拉取会耗一些时间

三、安装

1、安装Docker

1.关闭防火墙

systemctl stop firewalld && systemctl disabled firewalld

2.关闭SELinux

setenforce 0

3.更换yum源

rm -f /etc/yum.repos.d/*
curl -o /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
yum clean all && yum makecache

4.安装依赖项

yum install -y yum-utils device-mapper-persistent-data lvm2

5. 添加Docker源

yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

6.安装Docker

yum install docker-ce -y

7.添加Docker镜像加速器

vim /etc/docker/daemon.json
# 添加如下内容
{
"registry-mirrors": [
"https://docker.m.daocloud.io",
"https://noohub.ru",
"https://huecker.io",
"https://dockerhub.timeweb.cloud",
"https://0c105db5188026850f80c001def654a0.mirror.swr.myhuaweicloud.com",
"https://5tqw56kt.mirror.aliyuncs.com",
"https://docker.1panel.live",
"http://mirrors.ustc.edu.cn/",
"http://mirror.azure.cn/",
"https://hub.rat.dev/",
"https://docker.ckyl.me/",
"https://docker.chenby.cn",
"https://docker.hpcloud.cloud",
"https://docker.m.daocloud.io"
]
}

8.启动Docker

systemctl start docker

2、启动Ollama

1.启动Ollama容器

docker run -itd -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

• docker run 运行一个新的 Docker 容器
• -itd 组合多个选项：
• ✅-i（保持标准输入）
• ✅-t（分配终端）
• ✅-d（后台运行容器）
• -v ollama:/root/.ollama 挂载数据卷，把 ollama 这个 Docker 数据卷 绑定到容器的 /root/.ollama 目录，确保数据持久化（如下载的模型不会丢失）。
• -p 11434:11434 端口映射，把 宿主机（本机）的 11434 端口 映射到 容器 内部的 11434 端口，这样宿主机可以通过 http://localhost:11434 访问 Ollama 服务。
• --name ollama 指定 容器名称 为 ollama，方便管理和启动。
• ollama/ollama 使用的 Docker 镜像，这里是 官方的 Ollama 镜像。

如果是使用GPU运行，则用下面的命令启动

docker run -itd --name ollama  --gpus=all -v ollama:/root/.ollama -p 11434:11434  ollama/ollama

2.查看Ollama容器

docker ps

3、拉取Deepseek大模型

1.进入到容器中

docker exec -it ollama /bin/bash

2.拉取模型

ollama pull  deepseek-r1:7b

在官网中，有许多Deepseek的模型，这里主要是演示，所以拉取了一个较小的模型

官网地址：deepseek-r1

3.查看模型

ollama list

4、启动Deepseek

ollama run deepseek-r1:7b