解析QAnything启动命令过程

一.启动命令过程日志

启动命令bash ./run.sh -c local -i 0 -b hf -m Qwen-1_8B-Chat -t qwen-7b-chat。输入日志如下所示：

root@MM-202203161213:/mnt/l/20230918_RAG方向/QAnything# bash ./run.sh -c local -i 0 -b hf -m Qwen-1_8B-Chat -t qwen-7b-chat
From https://github.com/ai408/QAnything
 * branch            master     -> FETCH_HEAD
当前master分支已是最新，无需更新。
请输入您使用的大模型B数(示例：1.8B/3B/7B): 1.8B
model_size=1.8B
GPUID1=0, GPUID2=0, device_id=0
llm_api is set to [local]
device_id is set to [0]
runtime_backend is set to [hf]
model_name is set to [Qwen-1_8B-Chat]
conv_template is set to [qwen-7b-chat]
tensor_parallel is set to [1]
gpu_memory_utilization is set to [0.81]
Do you want to use the previous ip: localhost? (yes/no) 是否使用上次的ip: ？(yes/no) 回车默认选yes，请输入:yes
Running under WSL
[+] Building 0.0s (0/0)                                
[+] Running 1/1
......
 ✔ Container qanything-container-local   Started                        
qanything-container-local  |
qanything-container-local  | =============================
qanything-container-local  | == Triton Inference Server ==
qanything-container-local  | =============================
qanything-container-local  |
qanything-container-local  | NVIDIA Release 23.05 (build 61161506)
qanything-container-local  | Triton Server Version 2.34.0
qanything-container-local  |
qanything-container-local  | Copyright (c) 2018-2023, NVIDIA CORPORATION & AFFILIATES.  All rights reserved.
qanything-container-local  |
qanything-container-local  | Various files include modifications (c) NVIDIA CORPORATION & AFFILIATES.  All rights reserved.
qanything-container-local  |
qanything-container-local  | This container image and its contents are governed by the NVIDIA Deep Learning Container License.
qanything-container-local  | By pulling and using the container, you accept the terms and conditions of this license:
qanything-container-local  | https://developer.nvidia.com/ngc/nvidia-deep-learning-container-license
qanything-container-local  |
qanything-container-local  | llm_api is set to [local]
qanything-container-local  | device_id is set to [0]
qanything-container-local  | runtime_backend is set to [hf]
qanything-container-local  | model_name is set to [Qwen-1_8B-Chat]
qanything-container-local  | conv_template is set to [qwen-7b-chat]
qanything-container-local  | tensor_parallel is set to [1]
qanything-container-local  | gpu_memory_utilization is set to [0.81]
qanything-container-local  | checksum de2530187992077db2c08276fcdc8bce
qanything-container-local  | default_checksum de2530187992077db2c08276fcdc8bce
qanything-container-local  |
qanything-container-local  | [notice] A new release of pip is available: 23.3.2 -> 24.0
qanything-container-local  | [notice] To update, run: python3 -m pip install --upgrade pip
qanything-container-local  | GPU ID: 0, 0
qanything-container-local  | GPU1 Model: NVIDIA GeForce RTX 3090
qanything-container-local  | Compute Capability: 8.6
qanything-container-local  | OCR_USE_GPU=True because 8.6 >= 7.5
qanything-container-local  | ====================================================
qanything-container-local  | ******************** 重要提示 ********************
qanything-container-local  | ====================================================
qanything-container-local  |
qanything-container-local  | /workspace/qanything_local/scripts/run_for_local_option.sh: line 208: [: 1.8: integer expression expected
qanything-container-local  | 您当前的显存为 24576 MiB 推荐部署7B模型
qanything-container-local  | /workspace/qanything_local/scripts/run_for_local_option.sh: line 276: [: 1.8: integer expression expected
qanything-container-local  | The triton server for embedding and reranker will start on 0 GPUs
qanything-container-local  | Executing hf runtime_backend
qanything-container-local  | The rerank service is ready! (2/8)
qanything-container-local  | rerank服务已就绪! (2/8)
qanything-container-local  | The ocr service is ready! (3/8)
qanything-container-local  | OCR服务已就绪! (3/8)
qanything-container-local  | The qanything backend service is ready! (4/8)
qanything-container-local  | qanything后端服务已就绪! (4/8)
qanything-container-local  | Dependencies related to npm are obtained. (5/8)
qanything-container-local  | The front_end/dist folder already exists, no need to build the front end again.(6/8)
qanything-container-local  | Waiting for the front-end service to start...
qanything-container-local  | 等待启动前端服务
qanything-container-local  |
qanything-container-local  | > ai-demo@1.0.1 serve
qanything-container-local  | > vite preview --port 5052
qanything-container-local  |
qanything-container-local  | The CJS build of Vite's Node API is deprecated. See https://vitejs.dev/guide/troubleshooting.html#vite-cjs-node-api-deprecated for more details.
qanything-container-local  |   ➜  Local:   http://localhost:5052/qanything
qanything-container-local  |   ➜  Network: http://172.21.0.6:5052/qanything
qanything-container-local  | The front-end service is ready!...(7/8)
qanything-container-local  | 前端服务已就绪!...(7/8)
qanything-container-local  | I0416 16:38:03.654302 131 grpc_server.cc:377] Thread started for CommonHandler
qanything-container-local  | I0416 16:38:03.654861 131 infer_handler.cc:629] New request handler for ModelInferHandler, 0
qanything-container-local  | I0416 16:38:03.655310 131 infer_handler.h:1025] Thread started for ModelInferHandler
qanything-container-local  | I0416 16:38:03.655832 131 infer_handler.cc:629] New request handler for ModelInferHandler, 0
qanything-container-local  | I0416 16:38:03.656273 131 infer_handler.h:1025] Thread started for ModelInferHandler
qanything-container-local  | I0416 16:38:03.656863 131 stream_infer_handler.cc:122] New request handler for ModelStreamInferHandler, 0
qanything-container-local  | I0416 16:38:03.657257 131 infer_handler.h:1025] Thread started for ModelStreamInferHandler
qanything-container-local  | I0416 16:38:03.657673 131 grpc_server.cc:2450] Started GRPCInferenceService at 0.0.0.0:9001
qanything-container-local  | I0416 16:38:03.658368 131 http_server.cc:3555] Started HTTPService at 0.0.0.0:9000
qanything-container-local  | I0416 16:38:03.700441 131 http_server.cc:185] Started Metrics Service at 0.0.0.0:9002
qanything-container-local  | I0416 16:38:47.479318 131 http_server.cc:3449] HTTP request: 0 /v2/health/ready
qanything-container-local  | The embedding and rerank service is ready!. (7.5/8)
qanything-container-local  | Embedding 和 Rerank 服务已准备就绪！(7.5/8)
qanything-container-local  | 2024-04-17 00:38:07 | INFO | model_worker | args: Namespace(host='0.0.0.0', port=7801, worker_address='http://0.0.0.0:7801', controller_address='http://0.0.0.0:7800', model_path='/model_repos/CustomLLM/Qwen-1_8B-Chat', revision='main', device='cuda', gpus='0', num_gpus=1, max_gpu_memory=None, dtype='bfloat16', load_8bit=True, cpu_offloading=False, gptq_ckpt=None, gptq_wbits=16, gptq_groupsize=-1, gptq_act_order=False, awq_ckpt=None, awq_wbits=16, awq_groupsize=-1, enable_exllama=False, exllama_max_seq_len=4096, exllama_gpu_split=None, exllama_cache_8bit=False, enable_xft=False, xft_max_seq_len=4096, xft_dtype=None, model_names=None, conv_template='qwen-7b-chat', embed_in_truncate=False, limit_worker_concurrency=5, stream_interval=2, no_register=False, seed=None, debug=False, ssl=False)
qanything-container-local  | 2024-04-17 00:38:07 | INFO | model_worker | Loading the model ['Qwen-1_8B-Chat'] on worker 138d0217 ...
qanything-container-local  | 2024-04-17 00:38:09 | WARNING | transformers_modules.Qwen-1_8B-Chat.modeling_qwen | The model is automatically converting to bf16 for faster inference. If you want to disable the automatic precision, please manually add bf16/fp16/fp32=True to "AutoModelForCausalLM.from_pretrained".
qanything-container-local  | 2024-04-17 00:38:09 | WARNING | transformers_modules.Qwen-1_8B-Chat.modeling_qwen | Try importing flash-attention for faster inference...
qanything-container-local  | 2024-04-17 00:38:10 | WARNING | transformers_modules.Qwen-1_8B-Chat.modeling_qwen | Warning: import flash_attn rms_norm fail, please install FlashAttention layer_norm to get higher efficiency https://github.com/Dao-AILab/flash-attention/tree/main/csrc/layer_norm
  0%|          | 0/2 [00:00

二. run.sh脚本

1.update_or_append_to_env()函数

更新或追加键值对到.env文件：

update_or_append_to_env() {
  local key=$1
  local value=$2
  local env_file=".env"

  # 检查键是否存在于.env文件中
  if grep -q "^${key}=" "$env_file"; then
    # 如果键存在，则更新它的值
    sed -i "/^${key}=/c\\${key}=${value}" "$env_file"
  else
    # 如果键不存在，则追加键值对到文件
    echo "${key}=${value}" >> "$env_file"
  fi
}

.env文件内容：

MODEL_SIZE=1.8B
GPUID1=0
GPUID2=0
LLM_API=local
DEVICE_ID=0
RUNTIME_BACKEND=hf
MODEL_NAME=Qwen-1_8B-Chat
CONV_TEMPLATE=qwen-7b-chat
TP=1
GPU_MEM_UTILI=0.81
USER_IP=localhost
WIN_VERSION=WIN11
OCR_USE_GPU=True
OFFCUT_TOKEN=0
RERANK_PORT=9001
EMBED_PORT=9001
LLM_API_SERVE_PORT=7802
LLM_API_SERVE_MODEL=Qwen-1_8B-Chat
LLM_API_SERVE_CONV_TEMPLATE=qwen-7b-chat

2.script_name=(basename"0")

解析：

（1）这行代码是在 Bash 脚本中获取当前脚本文件的名称。

（2）$0 是一个特殊变量，它在 Bash 脚本中表示当前脚本的文件名。

（3）basename 是一个命令行工具，它从输入的文件路径中去除目录和后缀，只返回文件名。

（4）basename "$0" 就是获取当前脚本的文件名，不包括路径和后缀。

（5）script_name=$(basename "$0") 就是将这个文件名赋值给变量 script_name。

3.usage()函数

解析：可以根据自己的设备条件选择最合适的服务启动命令：

（1）当设置 -i 0,1 时，本地嵌入/重排将在设备 gpu_id_1 上运行，否则默认使用 gpu_id_0。

（2）设置 -c cloud 将使用本地嵌入/重排和 OpenAI LLM API，这仅需要大约 4GB VRAM（推荐给 GPU 设备 VRAM <= 8GB 的情况）。

（3）当使用 OpenAI LLM API 时，将立即要求输入 {OPENAI_API_KEY, OPENAI_API_BASE, OPENAI_API_MODEL_NAME, OPENAI_API_CONTEXT_LENGTH}。

（4）-b hf 是运行公共 LLM 推理最推荐的方式，因为它的兼容性好，但性能较差。

（5）当为 QAnything 系统选择一个公共聊天 LLM 时，应该考虑到一个更合适的 **PROMPT_TEMPLATE**（路径/到/QAnything/qanything_kernel/configs/model_config.py）设置，考虑到不同的 LLM 模型。

usage() {
  echo "Usage: $script_name [-c ] [-i ] [-b ] [-m ] [-t ] [-p ] [-r ] [-h]"
  echo "  -c : Options {local, cloud} to specify the llm API mode, default is 'local'. If set to '-c cloud', please mannually set the environments {OPENAI_API_KEY, OPENAI_API_BASE, OPENAI_API_MODEL_NAME, OPENAI_API_CONTEXT_LENGTH} into .env fisrt in run.sh"
  echo "  -i : Specify argument GPU device_id"
  echo "  -b : Specify argument LLM inference runtime backend, options={default, hf, vllm}"
  echo "  -m : Specify argument the path to load LLM model using FastChat serve API, options={Qwen-7B-Chat, deepseek-llm-7b-chat, ...}"
  echo "  -t : Specify argument the conversation template according to the LLM model when using FastChat serve API, options={qwen-7b-chat, deepseek-chat, ...}"
  echo "  -p : Use options {1, 2} to set tensor parallel parameters for vllm backend when using FastChat serve API, default tensor_parallel=1"
  echo "  -r : Specify argument gpu_memory_utilization (0,1] for vllm backend when using FastChat serve API, default gpu_memory_utilization=0.81"
  echo "  -h: Display help usage message. For more information, please refer to docs/QAnything_Startup_Usage_README.md"

  echo '
| Service Startup Command                                                                 | GPUs | LLM Runtime Backend      | LLM model                        |
| --------------------------------------------------------------------------------------- | -----|--------------------------| -------------------------------- |
| ```bash ./run.sh -c cloud -i 0 -b default```                                            | 1    | OpenAI API               | OpenAI API                       |
| ```bash ./run.sh -c local -i 0 -b default```                                            | 1    | FasterTransformer        | Qwen-7B-QAnything                |
| ```bash ./run.sh -c local -i 0 -b hf -m MiniChat-2-3B -t minichat```                    | 1    | Huggingface Transformers | Public LLM (e.g., MiniChat-2-3B) |
| ```bash ./run.sh -c local -i 0 -b vllm -m MiniChat-2-3B -t minichat -p 1 -r 0.81```     | 1    | vllm                     | Public LLM (e.g., MiniChat-2-3B) |
| ```bash ./run.sh -c local -i 0,1 -b default```                                          | 2    | FasterTransformer        | Qwen-7B-QAnything                |
| ```bash ./run.sh -c local -i 0,1 -b hf -m MiniChat-2-3B -t minichat```                  | 2    | Huggingface Transformers | Public LLM (e.g., MiniChat-2-3B) |
| ```bash ./run.sh -c local -i 0,1 -b vllm -m MiniChat-2-3B -t minichat -p 1 -r 0.81```   | 2    | vllm                     | Public LLM (e.g., MiniChat-2-3B) |
| ```bash ./run.sh -c local -i 0,1 -b vllm -m MiniChat-2-3B -t minichat -p 2 -r 0.81```   | 2    | vllm                     | Public LLM (e.g., MiniChat-2-3B) |

Note: You can choose the most suitable Service Startup Command based on your own device conditions.
(1) Local Embedding/Rerank will run on device gpu_id_1 when setting "-i 0,1", otherwise using gpu_id_0 as default.
(2) When setting "-c cloud" that will use local Embedding/Rerank and OpenAI LLM API, which only requires about 4GB VRAM (recommend for GPU device VRAM <= 8GB).
(3) When you use OpenAI LLM API, you will be required to enter {OPENAI_API_KEY, OPENAI_API_BASE, OPENAI_API_MODEL_NAME, OPENAI_API_CONTEXT_LENGTH} immediately.
(4) "-b hf" is the most recommended way for running public LLM inference for its compatibility but with poor performance.
(5) When you choose a public Chat LLM for QAnything system, you should take care of a more suitable **PROMPT_TEMPLATE** (/path/to/QAnything/qanything_kernel/configs/model_config.py) setting considering different LLM models.
'
  exit 1
}

4.解析命令行参数

解析：这段代码的主要作用是解析命令行参数，并将参数的值赋给相应的变量，这些变量后续可以在脚本中使用。

（1）这段代码是在 Bash 脚本中使用 getopts 函数来解析命令行参数。

（2）getopts 是一个用于解析位置参数的工具。在这个例子中，getopts ":c:i:b:m:t:p:r:h" 表示接受的参数有 -c、-i、-b、-m、-t、-p、-r 和 -h。每个参数后面都跟着一个冒号，表示这个参数需要一个值。

（3）while getopts 循环会依次处理每个参数。每次循环，getopts 会将当前参数的值赋给 opt 变量，如果该参数需要一个值，那么这个值会被赋给 OPTARG 变量。

（4）case $opt in 语句用于根据 opt 的值来执行不同的操作。例如，如果 opt 的值为 c，那么 llm_api=$OPTARG 会被执行，这行代码将参数 c 的值赋给 llm_api 变量。

while getopts ":c:i:b:m:t:p:r:h" opt; do
  case $opt in
    c) llm_api=$OPTARG ;;
    i) device_id=$OPTARG ;;
    b) runtime_backend=$OPTARG ;;
    m) model_name=$OPTARG ;;
    t) conv_template=$OPTARG ;;
    p) tensor_parallel=$OPTARG ;;
    r) gpu_memory_utilization=$OPTARG ;;
    h) usage ;;
    *) usage ;;
  esac
done

5.接下来的过程

解析：

（1）设置大模型的B数

（2）设置GPUID1和GPUID2

（3）设置USER_IP=localhost

（4）Windows 11支持Qwen-7B-QAnything模型

（5）检测到 Docker Compose 版本

（6）启动docker-compose-windows.yaml

三.docker-compose-windows.yaml

1.etcd服务

解析：

etcd:
  container_name: milvus-etcd-local
  image: quay.io/coreos/etcd:v3.5.5
  environment:
    - ETCD_AUTO_COMPACTION_MODE=revision
    - ETCD_AUTO_COMPACTION_RETENTION=1000
    - ETCD_QUOTA_BACKEND_BYTES=4294967296
    - ETCD_SNAPSHOT_COUNT=50000
  volumes:
    - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/etcd:/etcd
  command: etcd -advertise-client-urls=http://127.0.0.1:2379 -listen-client-urls http://0.0.0.0:2379 --data-dir /etcd
  healthcheck:
    test: ["CMD", "etcdctl", "endpoint", "health"]
    interval: 30s
    timeout: 20s
    retries: 3

（1）environment

ETCD_AUTO_COMPACTION_MODE=revision：这是自动压缩模式，设置为 `revision`，表示按版本进行自动压缩。
ETCD_AUTO_COMPACTION_RETENTION=1000：这是自动压缩保留的版本数，设置为 1000，表示保留最近的 1000 个版本。
ETCD_QUOTA_BACKEND_BYTES=4294967296：这是后端数据库的配额，以字节为单位。设置为 4294967296，即 4GB，表示后端数据库的最大大小为 4GB。
ETCD_SNAPSHOT_COUNT=50000：这是触发新快照的提交事务数。设置为 50000，表示每当提交的事务数达到 50000 时，就会触发一个新的快照。

（2）volumes

• ${DOCKER_VOLUME_DIRECTORY:-.} 是一个 Bash 参数扩展，它表示如果环境变量 DOCKER_VOLUME_DIRECTORY 已设置并且非空，那么就使用它的值，否则使用默认值 .（即当前目录）。

• 将宿主机上的${DOCKER_VOLUME_DIRECTORY:-.}/volumes/etcd目录，挂载到容器内部的/etcd目录。

（3）command

这段代码是用于配置etcd服务器的命令行参数。etcd是一个分布式键值存储系统，通常用于提供一致性和高可用性的数据存储。下面是对每个参数的解释：

• -advertise-client-urls：这个参数指定了etcd服务器用于客户端通信的URL。在这个例子中，它被设置为http://127.0.0.1:2379，意味着etcd服务器将通过回环地址（即本地机器的IP地址）上的2379端口接受客户端的连接请求。

• -listen-client-urls：这个参数定义了etcd服务器监听的客户端请求的URL。这里设置为http://0.0.0.0:2379，表示etcd服务器将监听所有网络接口上的2379端口，允许任何来源的连接。

• --data-dir：这个参数指定了etcd存储其数据的目录。在这个例子中，数据将被存储在容器内部的/etcd目录下。

综合来看，这个命令是用来启动一个etcd实例，它将在所有网络接口上监听2379端口，接受来自任何IP的客户端连接。使用回环地址（127.0.0.1）上的2379端口作为客户端访问的正式URL。将持久化数据存储在容器内部的/etcd目录。这种配置通常用在Docker容器中，其中-listen-client-urls允许容器外的客户端连接到etcd实例，而-advertise-client-urls提供了一个稳定的URL，以便客户端知道如何连接到etcd实例。--data-dir确保了etcd的数据可以持久化存储，即使容器重启，数据也不会丢失。

（4）healthcheck

这段代码是一个Docker容器中使用的测试命令，通常用于健康检查或验证容器内部服务是否正常运行：

• "CMD"：这是Docker健康检查指令中指定的指令类型。使用CMD意味着接下来的参数将作为一个整体命令来执行。

• "etcdctl"：这是一个命令行工具，用于与etcd服务器进行交互。etcdctl可以用来执行多种操作，如获取etcd集群状态、管理键值对等。

• "endpoint"：这是etcdctl工具的一个子命令，用于指定与etcd集群交互的端点。

• "health"：这是endpoint子命令的一个参数，用于检查etcd集群的健康状况。

将这些元素组合起来，["CMD", "etcdctl", "endpoint", "health"] 定义了一个健康检查命令，该命令使用etcdctl工具来检查etcd服务的健康状况。当这个命令被Docker的健康检查机制执行时，它会返回0（表示健康）或非0值（表示不健康）。如果容器不健康，Docker将根据容器的重启策略采取行动，可能包括重启容器。

2.minio服务

解析：

minio:
  container_name: milvus-minio-local
  image: minio/minio:RELEASE.2023-03-20T20-16-18Z
  environment:
    MINIO_ACCESS_KEY: minioadmin
    MINIO_SECRET_KEY: minioadmin
  # ports:
  #   - "9001:9001"
  #       - "9000:9000"
  volumes:
    - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/minio:/minio_data
  command: minio server /minio_data --console-address ":9001"
  healthcheck:
    test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]
    interval: 30s
    timeout: 20s
    retries: 3

（1）command

这段代码是用来启动MinIO服务器的命令行指令。MinIO是一个高性能的分布式对象存储服务。下面是对命令及其参数的解释：

• minio server：这是启动MinIO服务器的命令。

• /minio_data：这是在宿主机上的一个目录路径，它将被用作MinIO数据的存储位置。当MinIO服务器启动时，它会在这个目录中存储所有数据。在Docker容器环境中，这通常是一个挂载的卷，将容器内部的存储挂载到宿主机的某个目录上。

• --console-address ":9001"：这是MinIO服务器的控制台或管理界面的配置参数。--console-address指定了控制台监听的地址和端口。

整个命令的作用是启动MinIO服务器，使用宿主机上的/minio_data目录作为数据存储，并且设置MinIO控制台在9001端口上可用。这样配置后，用户可以通过浏览器访问http://:9001来使用MinIO的Web界面进行数据管理和监控。

（2）healthcheck

这段代码是Docker容器中定义的健康检查（health check）指令，用于确定容器是否处于健康状态。综合来看，这个健康检查命令会尝试使用curl工具向MinIO服务的健康状况检查端点发送一个请求。如果请求失败（例如，如果MinIO服务没有运行或不可达），健康检查也会失败，Docker会认为容器处于不健康状态。这可以触发Docker根据预设的重启策略尝试重启容器。

在Docker容器的配置中，这个指令通常与HEALTHCHECK指令一起使用：

HEALTHCHECK --interval=30s --timeout=30s --retries=3 \
  test ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]

• 每30秒执行一次健康检查（--interval=30s）。

• 如果健康检查超过30秒没有响应，则超时（--timeout=30s）。

• 如果连续3次健康检查失败，Docker将认为容器不健康，并根据容器的重启策略采取行动（--retries=3）。

3.milvus服务

解析：

standalone:
  container_name: milvus-standalone-local
  image: milvusdb/milvus:v2.3.4
  logging:
    driver: "json-file"
    options:
      max-size: "100m"
      max-file: "3"
  command: ["milvus", "run", "standalone"]
  security_opt:
  - seccomp:unconfined
  environment:
    ETCD_ENDPOINTS: etcd:2379
    MINIO_ADDRESS: minio:9000
  volumes:
    - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/milvus:/var/lib/milvus
  healthcheck:
    test: ["CMD", "curl", "-f", "http://localhost:9091/healthz"]
    interval: 30s
    start_period: 90s
    timeout: 20s
    retries: 3
  # ports:
  #       - "19530:19530"
  #       - "9091:9091"
  depends_on:
    - "etcd"
    - "minio"

（1）logging

• logging: 这部分是Docker容器日志配置的开始，指定了日志记录的配置项。

• driver: "json-file"：这指定了日志记录的驱动程序。json-file驱动是Docker默认的日志驱动，它会将容器的日志信息以JSON格式存储在磁盘上。

• options: 这是json-file驱动的配置选项。

• max-size: "100m"：这是一个配置选项，指定了每个日志文件的最大大小。在这个例子中，每个日志文件的大小被限制在100兆字节（M是兆字节的缩写）。当单个日志文件的大小达到这个限制时，Docker会创建一个新的日志文件来继续记录日志。

• max-file: "3"：这也是一个配置选项，指定了保留的日志文件的最大数量。这里设置为3意味着Docker会保留最新的3个日志文件。一旦超过这个数量，最旧的日志文件将被删除以腾出空间给新的日志文件。

（2）command

这个命令用于启动一个名为Milvus的服务，并让它以独立模式运行。Milvus是一个开源的向量数据库，用于嵌入向量的存储、检索和分析。在Docker容器中，这个命令会替换掉容器镜像中默认的启动命令，使得容器启动时直接运行Milvus服务。

（3）security_opt

• seccomp：是"secure computing"的缩写，它是一个在Linux内核中实现的安全模块，用于控制和限制容器内进程可以进行的系统调用。通过限制容器内的应用能够调用的系统调用，seccomp可以减少容器逃逸攻击的风险。

• unconfined：是seccomp的一个配置模式，表示容器将不会被限制在系统调用层面。在Docker中，如果一个容器配置为seccomp: unconfined，那么它将能够执行任何系统调用，而不会受到一定程度的限制或过滤。

4.mysql服务

解析：

mysql:
  container_name: mysql-container-local
  privileged: true
  image: mysql
  #     ports:
  #       - "3306:3306"
  environment:
    - MYSQL_ROOT_PASSWORD=123456
  volumes:
    - qanything_mysql_data:/var/lib/mysql

（1）privileged: true

当在Docker容器中设置privileged: true时，容器将获得以下额外的权限：

• 访问所有设备：特权容器可以访问宿主机上的所有设备节点，例如/dev目录下的设备文件。

• 监听所有端口：非特权容器默认只能监听高于1024的端口，而特权容器可以监听所有端口。

• 挂载文件系统：特权容器可以挂载任何文件系统，包括/proc、/sys、/dev等，这些在非特权容器中通常是受限的。

• 操作网络栈：特权容器可以修改宿主机的网络栈，例如添加路由规则或修改网络接口。

• 拥有更多的系统调用：特权容器可以执行一些通常受限的系统调用。

（2）volumes

将名为qanything_mysql_data的数据卷挂载到容器内部的/var/lib/mysql目录。这种配置通常用在Docker容器中运行MySQL数据库时：

• 将MySQL的数据文件存储在数据卷中，而不是容器的临时文件系统中。

• 确保MySQL的数据在容器重启或删除后依然被保留。

• 允许在多个MySQL容器之间共享或迁移数据。

5.qanything服务

解析：

qanything_local:
  container_name: qanything-container-local
  image: freeren/qanything-win:v1.2.1
  # runtime: nvidia
  deploy:
    resources:
      reservations:
        devices:
          - driver: nvidia
            count: "all"
            capabilities: ["gpu"]
  command: sh -c 'if [ "${LLM_API}" = "local" ]; then /workspace/qanything_local/scripts/run_for_local_option.sh -c $LLM_API -i $DEVICE_ID -b $RUNTIME_BACKEND -m $MODEL_NAME -t $CONV_TEMPLATE -p $TP -r $GPU_MEM_UTILI; else /workspace/qanything_local/scripts/run_for_cloud_option.sh -c $LLM_API -i $DEVICE_ID -b $RUNTIME_BACKEND; fi; while true; do sleep 5; done'
  privileged: true
  shm_size: '8gb'
  volumes:
    - ${DOCKER_VOLUME_DIRECTORY:-.}/assets/custom_models:/model_repos/CustomLLM
    - ${DOCKER_VOLUME_DIRECTORY:-.}/:/workspace/qanything_local/
  ports:
    - "5052:5052"
    - "8777:8777"
  environment:
    - NCCL_LAUNCH_MODE=PARALLEL
    - GPUID1=${GPUID1:-0}
    - GPUID2=${GPUID2:-0}
    - MODEL_SIZE=${MODEL_SIZE:-0B}
    - USER_IP=${USER_IP:-localhost}
  depends_on:
    - "standalone"
    - "mysql"
  tty: true
  stdin_open: true

（1）runtime: nvidia

在Docker容器的配置中，runtime: nvidia是用来指定容器应该使用NVIDIA GPU运行时的配置选项。这个选项通常与NVIDIA Docker（现在被集成到Docker 19.03及以上版本中）一起使用，它允许容器访问和利用宿主机上的NVIDIA GPU资源。

（2）shm_size: '8gb'

设置容器的共享内存（Shared Memory）的大小。共享内存是进程间通信（IPC）的一种方式，允许两个或多个进程共享一个给定的内存区域。

（3）tty: true

用于分配一个伪终端（pseudo-TTY）给容器。docker run -it my_image这个命令中：

• -i 表示以交互式模式运行容器，保持标准输入（STDIN）打开，即使不附加到终端。

• -t 就相当于在容器的创建命令中设置了 tty: true，它会分配一个TTY。

（4）stdin_open: true

用于控制容器的标准输入（STDIN）是否在容器启动时打开。在Docker中，可以通过在 docker run 命令中添加 -i 标志来设置 stdin_open: true。

（5）command

command: sh -c 'if [ "${LLM_API}" = "local" ]; then /workspace/qanything_local/scripts/run_for_local_option.sh -c $LLM_API -i $DEVICE_ID -b $RUNTIME_BACKEND -m $MODEL_NAME -t $CONV_TEMPLATE -p $TP -r $GPU_MEM_UTILI; else /workspace/qanything_local/scripts/run_for_cloud_option.sh -c $LLM_API -i $DEVICE_ID -b $RUNTIME_BACKEND; fi; while true; do sleep 5; done'

这段代码是Docker容器的command配置，它定义了容器启动时执行的命令。这个命令是一个复杂的shell脚本，用于根据环境变量LLM_API的值来决定执行哪个脚本。下面是对整个命令的解释：

• command: 这是Docker容器配置中用于指定容器启动时要运行的命令的字段。

• sh -c：这表示使用sh（Shell）来执行后面的命令字符串。-c参数允许传递一个字符串作为Shell命令执行。

• if [ "${LLM_API}" = "local" ]; then ...; else ...; fi：这是一个条件语句，用于检查环境变量LLM_API的值是否等于"local"。

• 如果LLM_API等于"local"，则执行then部分的命令。

• 如果不等于"local"，则执行else部分的命令。

• .../run_for_local_option.sh -c $LLM_API -i $DEVICE_ID -b $RUNTIME_BACKEND -m $MODEL_NAME -t $CONV_TEMPLATE -p $TP -r $GPU_MEM_UTILI;：这是当LLM_API等于"local"时执行的脚本及其参数。该脚本可能用于配置和启动一个本地运行的LLM（大型语言模型）服务。参数传递了多个环境变量，这些变量可能用于配置服务。

• .../run_for_cloud_option.sh -c $LLM_API -i $DEVICE_ID -b $RUNTIME_BACKEND;：这是当LLM_API不等于"local"时执行的脚本及其参数。该脚本可能用于配置和启动一个基于云的LLM服务。

• while true; do sleep 5; done：这是一个无限循环，用于保持容器运行状态。sleep 5命令使容器在每次循环迭代中暂停5秒。这个循环确保容器不会因为执行完前面的命令而退出，从而保持容器的持续运行。

综上这个命令用于根据LLM_API的值来决定是运行本地模式的LLM服务还是云模式的LLM服务，并在执行完相应的启动脚本后，通过无限循环保持容器活跃。这种方式常用于确保容器作为一个长期运行的服务容器，即使在没有持续操作的情况下也保持运行状态。

（6）deploy

• deploy: 这是Kubernetes部署（Deployment）配置的开始，它定义了如何部署和管理容器化的应用程序。

• resources: 这是指定部署所需的计算资源的字段，如CPU、内存和设备。

• reservations: 在resources内部，reservations用于定义资源的预留要求，以确保部署的Pods有足够资源运行。

• devices: reservations下的devices字段用于定义需要预留的设备类型和数量。

• driver: nvidia：这是一个设备定义，指定了设备驱动为nvidia。这告诉Kubernetes调度器，需要预留装有NVIDIA驱动的GPU设备。

• count: "all"：这指定了需要预留的NVIDIA GPU的数量。在这个例子中，"all"意味着应预留集群中所有可用的NVIDIA GPU设备。

• capabilities: ["gpu"]：这是设备的能力列表，指定了设备应支持的功能。在这里，"gpu"表示设备应具备GPU计算能力。

6.数据卷

解析：

volumes:
  qanything_mysql_data:

• volumes: 这是Docker Compose 文件中定义数据卷的开始。

• qanything_mysql_data: 这是数据卷的名称。在Docker Compose 文件中定义后，可以在 services 下的对应服务中通过 volumes 选项来引用它。

7.默认网络名字

解析：

networks:
  default:
    name: qanything_milvus_mysql_local

• networks: 这是Docker Compose文件中定义网络的开始。

• default: Docker Compose中的服务默认连接到一个名为default的网络。如果不指定服务连接到哪个网络，它将自动使用default网络。

• name: qanything_milvus_mysql_local 这里为default网络指定了一个自定义名称。在Docker Compose中，网络名称是区分不同网络环境的重要标识。

四.run_for_local_option.sh脚本

1.检查FastChat的MD5

解析：这段shell脚本的功能是检查FastChat文件夹下所有文件的MD5校验和，并与预先保存的默认校验和进行比较。以下是对脚本功能的总结：

（1）获取默认的MD5校验和：脚本从/workspace/qanything_local/third_party/checksum.config文件中读取默认的MD5校验和，将其存储在变量default_checksum中。

（2）计算FastChat文件夹下所有文件的MD5校验和：使用find命令结合md5sum工具计算/workspace/qanything_local/third_party/FastChat目录下所有文件的MD5校验和。计算出的校验和列表通过sort排序，然后再计算这些校验和行的总的MD5校验和，最终结果存储在变量checksum中。

（3）输出校验和：脚本打印出计算得到的checksum和默认的default_checksum，以便于用户或开发者进行查看或调试。

（4）检查校验和是否一致：使用if语句比较default_checksum和checksum。如果两者不相等，意味着FastChat目录下的文件发生了变化。

（5）重新安装依赖：如果校验和不相等，脚本会进入/workspace/qanything_local/third_party/FastChat目录，并使用pip install -e .命令重新安装该目录下的所有Python依赖。这通常用于当源代码发生变化时，需要重新安装以反映这些变化。

（6）更新默认校验和：重新计算安装依赖后的MD5校验和，并将新计算出的校验和写入/workspace/qanything_local/third_party/checksum.config文件中，更新默认校验和。

2.检查vllm依赖是否安装

（1）使用pip list | grep vllm命令检查vllm依赖是否已经安装在Python环境中。

（2）如果没有找到vllm（即install_deps变量为空或者不包含vllm），则打印出"vllm deps not found"。

3.安装FastChat依赖并更新校验和

（1）如果vllm依赖未找到，脚本会进入FastChat目录，并使用pip install -e .命令安装当前目录下的Python包。

（2）然后重新计算该目录下所有文件的MD5校验和，并将新校验和写入checksum.config文件中。

4.创建模型仓库和日志目录

（1）使用mkdir -p命令创建所需的目录结构，包括模型仓库和日志目录。-p参数确保了即使父目录不存在，也能创建完整的路径。

5.设置符号链接

（1）脚本检查QAEnsemble_base和QAEnsemble_embed_rerank目录中是否已经存在名为base、rerank和embed的符号链接。

（2）如果这些符号链接不存在，脚本会在QAEnsemble_base和QAEnsemble_embed_rerank目录下创建它们，分别指向/model_repos/QAEnsemble/base、/model_repos/QAEnsemble/rerank和/model_repos/QAEnsemble/embed。

6.默认后端选择

默认后端为FasterTransformer，仅支持Nvidia RTX 30系列或40系列显卡。还可以选择vllm和hf后端。

7.根据GPU显存和模型尺寸提供建议

（1）检查显存大小：脚本首先检查环境变量GPU1_MEMORY_SIZE的值，这个值代表第一个GPU的显存大小（单位是MiB）。

（2）显存小于4GB：如果显存小于4GB，脚本会建议用户升级显卡，因为当前显存不足以部署项目，并退出程序。

（3）使用OpenAI API：如果显存大小为0B（表示使用在线的OpenAI API），脚本会打印出当前显存可以使用OpenAI API。

（4）显存小于8GB：如果显存在4GB到8GB之间，脚本推荐使用在线的OpenAI API，并且如果模型大小超过显存容量，脚本会提示用户重新选择模型大小，并退出。

（5）显存在8GB到10GB之间：对于8GB到10GB的显存，推荐部署1.8B的大模型，并包括使用OpenAI API。如果模型大小超过2B，脚本会提示用户显存不足，并退出。

（6）显存在10GB到16GB之间：对于10GB到16GB的显存，推荐部署3B及3B以下的模型，并包括使用OpenAI API。如果模型大小超过3B，脚本会提示用户显存不足，并退出。

（7）显存在16GB到22GB之间：对于16GB到22GB的显存，推荐部署小于等于7B的大模型。根据使用的后端（Qwen-7B-QAnything+FasterTransformer、Huggingface Transformers、VLLM），脚本会设置不同的tokens上限以避免显存溢出，并退出如果模型大小不兼容。

（8）显存在22GB到25GB之间：对于22GB到25GB的显存，推荐部署7B模型。如果模型大小超过7B，脚本会提示用户显存不足，并退出。

（9）显存大于25GB：对于大于25GB的显存，脚本不会设置tokens上限。

脚本中还包含了一些逻辑来处理不同后端（如default、hf、vllm）的特定情况，并根据这些后端和显存大小来设置OFFCUT_TOKEN环境变量，这个变量可能用于控制程序中的某些内存限制。

8.核心服务启动过程

大模型中转服务已就绪 (1/8)
rerank服务已就绪 (2/8)
OCR服务已就绪 (3/8)
qanything后端服务已就绪 (4/8)
Dependencies related to npm are obtained (5/8)
[npm run build] build successfully (6/8)
前端服务已就绪 (7/8)
Embedding和Rerank服务已准备就绪 (7.5/8)
LLM 服务已准备就绪，现在您可以使用qanything服务 (8/8)

说明：run_for_cloud_option.sh不再讲解。

五.启动的容器

1.qanything-container-local

这个容器运行 QAnything 服务，这是一个基于深度学习的问答系统。它可以处理各种类型的文件和数据，并提供问答功能。这个容器依赖于 "standalone" 和 "mysql" 容器。

2.milvus-standalone-local

这个容器运行 Milvus 服务，Milvus 是一个开源的向量数据库，用于处理大规模的向量数据。它提供了高效的向量索引和查询功能。这个容器依赖于 "etcd" 和 "minio" 容器。

3.milvus-minio-local

这个容器运行 MinIO 服务，MinIO 是一个高性能的对象存储服务，用于存储和管理大量的非结构化数据，如图片、视频、日志文件等。

4.mysql-container-local

这个容器运行 MySQL 服务，MySQL 是一个关系型数据库管理系统，用于存储和管理结构化数据。

5.milvus-etcd-local

这个容器运行 etcd 服务，etcd 是一个分布式键值存储系统，用于共享配置和服务发现。