Ragflow v0.16部署实践

RAGFlow 部署方式

• 基于 Docker 部署：

• 前置条件：需要满足一定的硬件配置，如 CPU ≥ 4 核，RAM ≥ 16 GB，Disk ≥ 50 GB，同时安装 Docker ≥ 24.0.0 与 Docker Compose ≥ v2.26.1。
• 操作步骤：首先克隆 RAGFlow 的仓库，进入其 Docker 文件夹，利用提前编译好的 Docker 镜像启动服务器。启动成功后，通过浏览器访问指定地址进行注册登录。

• 基于 Kubernetes 部署：RAGFlow 官方提供了 Kubernetes 部署的文档，这种方式适合在大规模分布式环境中部署 RAGFlow，能够更好地管理资源和扩展服务。

RAGFlow 与 LLM 集成方式

• 通过 Ollama 集成：

• 安装 Ollama：Ollama 是一款本地化运行大语言模型的开源工具，可在本地创建、运行和管理多种模型。安装完成后，使用 ollama pull 命令下载所需的 LLM 模型。
• 在 RAGFlow 中添加 LLM 模型：在 RAGFlow 的界面中找到模型供应商，选择 Ollama 并添加模型。如果 RAGFlow 部署为 Docker，需要映射 Docker 外面的地址。

• 通过 API 集成：

• 配置 LLM 的 API：在 RAGFlow 的界面中，点击右上角的 logo 进入 Model providers 页面，点击所需的 LLM 并更新其 API 密钥。
• 选择默认模型：点击 System Model Settings，选择默认的对话模型、嵌入模型等。

• 通过本地部署的 LLM 集成：RAGFlow 支持部署 LLMs 本地使用，除了 Ollama，还可以使用 Xinference 或 LocalAI，但具体的集成方法需要根据这些工具的文档进行操作。

镜像加速

docker pull registry.cn-hangzhou.aliyuncs.com/megadotnet/docker.elastic.co.elasticsearch.elasticsearch:8.11.3 && docker tag registry.cn-hangzhou.aliyuncs.com/megadotnet/docker.elastic.co.elasticsearch.elasticsearch:8.11.3 docker.elastic.co/elasticsearch/elasticsearch:8.11.3

docker pull registry.cn-hangzhou.aliyuncs.com/megadotnet/infiniflow.ragflow:v0.16.0 && docker tag registry.cn-hangzhou.aliyuncs.com/megadotnet/infiniflow.ragflow:v0.16.0 infiniflow/ragflow:v0.16.0

docker pull registry.cn-hangzhou.aliyuncs.com/megadotnet/infiniflow.ragflow:v0.16.0-slim && docker tag registry.cn-hangzhou.aliyuncs.com/megadotnet/infiniflow.ragflow:v0.16.0-slim infiniflow/ragflow:v0.16.0-slim

docker pull registry.cn-hangzhou.aliyuncs.com/megadotnet/mysql:8.0.39 && docker tag registry.cn-hangzhou.aliyuncs.com/megadotnet/mysql:8.0.39 mysql:8.0.39

docker pull registry.cn-hangzhou.aliyuncs.com/megadotnet/valkey.valkey:8 && docker tag registry.cn-hangzhou.aliyuncs.com/megadotnet/valkey.valkey:8 valkey/valkey:8

docker pull registry.cn-hangzhou.aliyuncs.com/megadotnet/quay.io.minio.minio:RELEASE.2023-12-20T01-00-02Z && docker tag registry.cn-hangzhou.aliyuncs.com/megadotnet/quay.io.minio.minio:RELEASE.2023-12-20T01-00-02Z quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z

infiniflow/ragflow:v0.16.0 镜像是9GB磁盘空间占用

$ sudo sysctl -w vm.max_map_count=262144

$ cd ragflow $ docker compose -f docker/docker-compose.yml up -d

安装截图

文档

Get started | RAGFlow

初始资源情况

配置APIKEY

Q&A数据集

Q&A 问答对内容都写到一个 EXCEL 表格（第一列放问题，第二列是答案）

总结

一、数据安全与隐私保护

1. 数据隔离：通过私有Docker部署Ragflow，可以实现数据的物理隔离，确保企业私有数据不会泄露给外部或第三方。
2. 隐私保护：对于敏感数据或隐私信息，私有Docker部署提供了更高的安全保障，避免了数据在公共网络上的传输和存储风险。

二、高效利用资源

1. 节省网络带宽：私有Docker仓库可以避免每次都从外部仓库下载镜像，从而节省了网络带宽资源。
2. 提高访问速度：由于私有仓库通常部署在公司内部网络，因此Ragflow的访问速度会更快，提高了工作效率。

三、灵活性与可扩展性

1. 定制化需求：私有Docker部署允许企业根据自身需求对Ragflow进行定制化配置和优化，以满足特定的业务需求。
2. 可扩展性：随着业务的发展，私有Docker部署可以轻松地扩展Ragflow的规模和性能，以适应不断增长的数据量和用户需求。

四、集成与协同

1. 与其他系统集成：私有Docker部署使得Ragflow可以更容易地与其他企业系统进行集成，实现数据的共享和协同工作。
2. 团队协作：通过私有Docker部署，团队成员可以更方便地共享和协作处理Ragflow相关的任务和数据。

五、成本节约

1. 降低长期成本：虽然私有Docker部署的初期成本可能较高，但长期来看，由于避免了外部仓库的使用费用和潜在的数据泄露风险，因此可以降低整体成本。
2. 提高ROI：通过高效的资源利用和定制化配置，私有Docker部署可以提高Ragflow的投资回报率（ROI）。