微信扫码
添加专属顾问
从服务器迁移到离线Windows环境的实战经验分享,一文解决Docker数据迁移的常见坑点。 核心内容: 1. Docker数据导出与打包的两种方案对比 2. 离线环境镜像预下载与加载技巧 3. 多组件数据合并传输的优化方法
之前的 Ragflow-Plus 在服务器上稳定运行一段时间后,接到任务,要把服务迁移到一台古老的,离线的windows台式机上。
起初认为,下载离线安装包,加载离线镜像,迁移下数据就可以了。
结果坑多得意想不到,折腾了一晚上才搞定。
本文就来分享一下解决方式,Ragflow-Plus 用的是和 Ragflow 相同数据存储方式,用 Ragflow 部署的系统可相同适用。
在做系统迁移前,需要先导出原有系统上的数据。
Docker 采用 Docker Volume 进行数据持久化和容器数据共享,在容器删除后,数据不会丢失。
因此,不需要做容器导出,只需要导出数据和镜像就可以了。
导出数据有两种主要方式,一种是复制文件原始路径,需要对路径有充分了解,容错率低;
另一种是通过一个临时创建的最小容器挂载volume,对数据进行打包,容错率高。
因此,采用后者的方式,具体命令如下:
docker run --rm -v docker_esdata01:/data -v $(pwd):/backup alpine tar czf /backup/docker_esdata01.tar.gz -C /data .
docker run --rm -v docker_minio_data:/data -v $(pwd):/backup alpine tar czf /backup/docker_minio_data.tar.gz -C /data .
docker run --rm -v docker_mysql_data:/data -v $(pwd):/backup alpine tar czf /backup/docker_mysql_data.tar.gz -C /data .
docker run --rm -v docker_redis_data:/data -v $(pwd):/backup alpine tar czf /backup/docker_redis_data.tar.gz -C /data .
上面的命令是用alpine这个镜像创建容器,首次运行会自动拉取该镜像。
如果迁移的服务器是离线环境,可通过在线环境预先下载该镜像,打包导出。
docker pull alpine
docker save alpine -o alpine.tar
再传到离线服务器上,进行加载
docker load -i alpine.tar
打包完上面的es、minio、mysql、redis数据后,将其合并为一个大的压缩包,方便拷贝传输。
tar czf all_volumes_backup.tar.gz *.tar.gz
和上面alpine离线导出的方式类似,可用下面的命令将ragflowplus所有的相关镜像一并导出为ragflowplus-images.tar
docker save -o ragflowplus-images.tar zstar1003/ragflowplus-management-web:v0.4.3 zstar1003/ragflowplus-management-server:v0.4.3 zstar1003/ragflowplus:v0.4.3 valkey/valkey:8 quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z mysql:8.0.39 elasticsearch:8.11.3
准备好镜像和容器之后,再下载一些必要的安装包,就可以开始迁移了。
这一节将记录在 win10-1909 操作系统上失败的迁移方案,该系统是18年的系统版本,导致很多软件都无法兼容。
单机版本,用 ollama 部署模型非常方便,因此下载了 ollama 的最新版本。
此外要把模型迁移进去,在 ollama 中,模型的默认存储地址在C:\Users\%Username%\.ollama,迁移到 windows,只需将里面的models文件夹复制进去即可。
然而,运行 ollama 时,发现独显没有利用,模型只加载到CPU中,配置完相关环境变量,问题依旧。
解决方式是将ollama版本回退到更早期的版本,重新安装,方才正常。
下载了最新版本的 Docker Desktop,安装就报错,弹窗提示系统版本过老,无法安装。
于是下载历史版本的 Docker Desktop ,能够安装,但无法启动 Docker engine。
主要原因是 Docker Desktop 默认使用 Hyper-V 虚拟化技术创建一个轻量级 Linux 虚拟机(VM),并在其中运行 Docker 守护进程和容器。
然而,该虚拟机没有正常安装上。
在一台正常 windows 系统中,运行wsl --list,可以看到 docker 安装的 Linux 子系统:
适用于 Linux 的 Windows 子系统分发:
docker-desktop (默认)
然而,在这台异常电脑上,输出为空。
通过直接安装 Docker 行不通之后,另外一个思路就是直接利用 Hyper-V 安装一套 Linux 虚拟机系统。
在windows中,需要在设置中勾选启动 Hyper-V、适合于Linux的Windows子系统、虚拟机平台。
然后下载了unbuntu 20.04系统的iso,用Hyper-V进行创建,然而遇到报错:虚拟机监控程序未运行。
查询相关资料,需要在 bios 中,开启虚拟化,将Advanced > CPU Configuration > Intel Virtualization Technology选项设置为Enabled。
重启后,该报错消失,但遇到新的报错,和系统版本相关,基本宣告此方案不可行。
既然用系统自带的Hyper-V行不通,那就采用 VMware 虚拟机的方案。
然而,直接在 VMware 中运行 ubuntu 环境,再进行依赖安装非常繁琐。因为用于安装的.deb包为节省空间,通常是不完整的,比如,安装docker的deb包,安装时它除了安装本体外,还需要联网去下载其它依赖,以及依赖的依赖。
因此,更加简单的方式就是在一台联网的设备中,先用 vmware 创建虚拟机,在里面直接联网进行环境安装和数据导入,做完之后,将整个系统文件进行复制迁移。
下面用 VMware 16,进行具体操作。
1.首先在VMware中新建虚拟机,装好系统。
2.配置ssh
为了方便和宿主机进行文件传输,先配置好ssh。
sudo apt update
sudo apt install openssh-server
防火墙开放ssh端口
sudo ufw allow ssh
配置完后,就可以通过ip进行ssh连接。
3.安装docker
设置 Docker 的 apt 存储库:
# Add Docker's official GPG key:
sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc
# Add the repository to Apt sources:
echo \
"deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
$(. /etc/os-release && echo "${UBUNTU_CODENAME:-$VERSION_CODENAME}") stable" | \
sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update
安装 Docker 包:
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
验证 Docker 安装:
docker --version
4.加载镜像和数据
上传之前准备的数据文件all_volumes_backup.tar.gz和镜像文件ragflowplus-images.tar。
这里的镜像文件也可以直接去网上pull,但考虑速度原因,直接载入更快。
加载镜像
docker load -i ragflowplus-images.tar
解压数据
tar -xzvf all_volumes_backup.tar.gz
创建数据卷
docker volume create docker_esdata01
docker volume create docker_minio_data
docker volume create docker_mysql_data
docker volume create docker_redis_data
导入数据
docker run --rm -v docker_esdata01:/data -v C:\Users\yourname\Desktop\docker_backup:/backup alpine sh -c "cd /data && tar xzf /backup/docker_esdata01.tar.gz"
docker run --rm -v docker_minio_data:/data -v C:\Users\yourname\Desktop\docker_backup:/backup alpine sh -c "cd /data && tar xzf /backup/docker_minio_data.tar.gz"
docker run --rm -v docker_mysql_data:/data -v C:\Users\yourname\Desktop\docker_backup:/backup alpine sh -c "cd /data && tar xzf /backup/docker_mysql_data.tar.gz"
docker run --rm -v docker_redis_data:/data -v C:\Users\yourname\Desktop\docker_backup:/backup alpine sh -c "cd /data && tar xzf /backup/docker_redis_data.tar.gz"
克隆项目代码
git clone https://github.com/zstar1003/ragflow-plus.git
启动系统
docker compose -f docker/docker-compose.yml up -d
这里需要注意,必须先导入完数据,再启动系统,否则会造成数据不一致冲突,造成容器状态异常。
如果正常启动,直接用 ubuntu 内置的浏览器,访问localhost就能看到界面。
如果要在外部宿主机访问,需要先查看虚拟机ip:
浏览器输入该ip就能访问,进去可以看到,数据已正常迁移成功。
5.复制系统文件
配置完后,右键->打开虚拟机目录,找到虚拟机所在目录,将整个虚拟机文件夹拷贝下来。
有了环境之后,在离线系统中,安装好VMware,就可以直接打开虚拟机,选择上一步的系统文件。
进入之后,启动环境方式和上面相同。
由于外部访问需要访问虚拟机ip,比较麻烦,因此,可以直接配置一个端口转发,将本机localhost端口转发到虚拟机的相应端口上。
选择编辑->虚拟网络编辑器,配置需要管理员权限,点击下面的更改设置
再次进入后,选择 VMnet8 的 NAT 设置
在这里添加端口转发规则,以80端口为例,8888和9000端口同理。
配置完后,就可以直接在外部浏览器访问localhost进入前台首页。
由于 ollama 是在外部进行部署的,因此,在虚拟机中进行模型配置时,需要通过外部的ip访问到 ollama 的服务。
首先配置环境变量OLLAMA_HOST,设定值为0.0.0.0:11434,这将使ollama监听所有的地址。
配置完后,重启ollama,然后在网页中就可以配置ollama的url为外部 VMnet8 的ip + 11434端口,就可以连通了。
至此,系统迁移部署完成。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-07-08
企业AI三件套:语义层、动力层、决策层——少一件都做不出AI原生
2026-07-08
拆解2.8万Star开源项目Cognee:如何基于知识图谱做RAG和Agent记忆
2026-07-07
顶级AI 检索服务商Exa ,如何用 Zilliz Cloud服务Agent 检索需求
2026-07-07
知识库分块不是越小越好——改了分块大小,准确率跳了18%
2026-07-07
分类、抽取、Rerank:小模型最容易落地的三个方向
2026-07-07
RAG 和 Agent 到底是什么关系?企业 AI 不只是问答
2026-07-06
加了Query改写,准确率从71%提到89%
2026-07-06
RAG 负责召回,LLM Wiki 负责沉淀:团队知识系统为什么不能只做检索
2026-04-27
2026-04-23
2026-04-20
2026-04-12
2026-04-22
2026-05-14
2026-04-10
2026-04-30
2026-04-27
2026-05-11
2026-07-04
2026-06-23
2026-06-23
2026-06-15
2026-06-10
2026-06-10
2026-05-20
2026-05-18
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。