AI RAG

Dify 平台部署教程

前言

在大模型应用开发领域，Dify 作为一款强大的 LLM 应用开发平台，正受到越来越多开发者的青睐。本文将详细介绍如何使用 Docker Compose 快速部署 Dify 平台，让你能够轻松构建自己的 AI 应用。

Dify 是什么？

Dify 是一个开源的大型语言模型（LLM）应用开发平台，支持构建各种基于大语言模型的应用，如聊天机器人、知识库问答、创意写作助手等。通过 Dify，你可以：

快速构建基于大模型的应用
管理和优化提示词
创建和训练自己的知识库
使用插件扩展功能
监控应用性能和使用情况

部署环境要求

在开始部署前，请确保你的环境满足以下要求：

Docker >= 20.10.0
Docker Compose >= v2.0.0
至少 4GB 内存
至少 20GB 磁盘空间

快速部署步骤

1. 获取部署项目

首先，克隆部署 dify-deployment 仓库到本地：

git clone https://github.com/jiaxudonggit/dify-deployment.git
cd dify-deployment

2. 创建配置文件

复制示例配置文件并按需修改：

# 复制示例配置文件
cp .env.example .env

# 编辑配置文件
vim .env

在配置文件中，至少需要设置以下几个关键参数：

CONSOLE_API_URL: 控制台 API 地址
CONSOLE_WEB_URL: 控制台 Web 地址
SERVICE_API_URL: 服务 API 地址
APP_API_URL: 应用 API 地址
APP_WEB_URL: 应用 Web 地址
SECRET_KEY: 应用密钥，建议使用随机生成的强密钥
INIT_PASSWORD: 初始管理员密码
VECTOR_STORE: 向量数据库类型，这里我们使用 pgvector

3. 创建必要目录

mkdir -p storage/logs nginx/logs pgvector/data

4. 启动服务

使用 Docker Compose 启动所有服务：

docker-compose up -d

此命令会一次性启动 Dify 所需的所有容器，包括 API 服务、Worker 服务、Web 前端、数据库、缓存、pgvector 向量数据库等。

5. 检查服务状态

查看所有容器是否正常运行：

docker-compose ps

确保所有容器的状态都是 "Up"。

6. 访问服务

浏览器访问 http://localhost 即可看到 Dify 的登录页面。可以通过浏览器访问 http://localhost/install 来访问 Dify 仪表板并开始初始化过程。

服务架构解析

Dify 部署包含以下核心服务：

1. API 服务

api:
  container_name: ${CONTAINER_NAME}-api
  image: langgenius/dify-api:1.3.1
  restart: always
  environment:
    MODE: api
  volumes:
    - ${DIFY_ROOT_PATH}/storage:/app/api/storage

API 服务是 Dify 的核心，提供所有后端功能接口。

2. Worker 服务

worker:
  container_name: ${CONTAINER_NAME}-worker
  image: langgenius/dify-api:1.3.1
  restart: always
  environment:
    MODE: worker
  volumes:
    - ${DIFY_ROOT_PATH}/storage:/app/api/storage

Worker 服务用于处理异步任务和队列，确保大规模任务能够高效处理。

3. Web 前端

web:
  container_name: ${CONTAINER_NAME}-web
  image: langgenius/dify-web:1.3.1
  restart: always

Web 前端提供用户界面，是用户与 Dify 交互的主要入口。

4. pgvector 向量数据库

pgvector:
  container_name: ${CONTAINER_NAME}-pgvector
  image: pgvector/pgvector:pg16
  restart: always
  environment:
    POSTGRES_USER: ${PGVECTOR_USER:-postgres}
    POSTGRES_PASSWORD: ${PGVECTOR_PASSWORD:-difyai123456}
    POSTGRES_DB: ${PGVECTOR_DATABASE:-dify}
  volumes:
    - ${DIFY_ROOT_PATH}/pgvector/data:/var/lib/postgresql/data

pgvector 是一个基于 PostgreSQL 的向量数据库扩展，用于存储和检索向量嵌入，支持高效的相似度搜索功能。pgvector 是一个完全开源的向量搜索解决方案，具有以下优势：

与 PostgreSQL 无缝集成，可以利用 PostgreSQL 成熟的事务、备份和扩展生态
支持多种距离计算方法（欧几里得距离、余弦相似度和内积）
支持 HNSW 索引，查询性能优异
简单易用，不需要额外的服务管理

5. Nginx 反向代理

nginx:
  container_name: ${CONTAINER_NAME}-nginx
  image: nginx:latest
  restart: always
  ports:
    - "${NGINX_PORT:-80}:80"
    - "${NGINX_SSL_PORT:-443}:443"
  depends_on:
    - api
    - web
    - plugin_daemon

Nginx 服务作为反向代理，将请求路由到正确的服务。

关键配置详解

基础环境变量

变量名	说明	默认值	示例
CONSOLE_API_URL	控制台 API URL	空	`http://localhost/console/api`
CONSOLE_WEB_URL	控制台 Web URL	空	`http://localhost`
SERVICE_API_URL	服务 API URL	空	`http://localhost/api`
APP_API_URL	应用 API URL	空	`http://localhost/v1`
APP_WEB_URL	应用 Web URL	空	`http://localhost`
CONTAINER_NAME	容器名称前缀	dify	`myproject`
NGINX_PORT	Nginx HTTP 端口	80	`8080`
DIFY_ROOT_PATH	数据存储根路径	./storage	`/data/dify`

向量数据库配置

本项目使用 pgvector 作为默认的向量数据库：

变量名	说明	默认值	示例
VECTOR_STORE	向量数据库类型	pgvector	`pgvector`
PGVECTOR_HOST	PGVector 主机	pgvector	`pgvector`
PGVECTOR_PORT	PGVector 端口	5432	`5432`
PGVECTOR_USER	PGVector 用户名	postgres	`postgres`
PGVECTOR_PASSWORD	PGVector 密码	difyai123456	`your-password`
PGVECTOR_DATABASE	PGVector 数据库名	dify	`dify_vector`
PGVECTOR_PORT_EXPOSED	PGVector 暴露的端口	5433	`5433`

高级配置指南

1. 自定义端口配置

如需修改默认端口，可在.env 文件中设置：

NGINX_PORT=8080
WEB_PORT=3001
API_PORT=5002
PGVECTOR_PORT_EXPOSED=5432

2. 配置 HTTPS

准备好 SSL 证书和密钥，放在 conf/nginx/ssl 目录
修改 nginx 配置文件，添加 HTTPS 配置：

server {
    listen 443 ssl;
    server_name localhost;

    ssl_certificate /etc/nginx/ssl/cert.pem;
    ssl_certificate_key /etc/nginx/ssl/key.pem;
    
    # 其他配置与HTTP配置相同
    # ...
}

3. 自定义域名

修改 conf/nginx/conf.d/default.conf 文件，将 server_name localhost; 改为 server_name yourdomain.com;，然后重启 Nginx：

docker-compose restart dify-nginx

4. 向量数据库优化

pgvector 支持多种索引类型以优化向量搜索性能：

HNSW 索引：适用于大规模向量集合，提供高查询性能
IVFFlat 索引：适用于中等规模的向量集合

使用时需要考虑数据量和查询性能需求来选择合适的索引类型。

常见问题及解决方案

1. 数据存储位置

所有数据都存储在相应的目录下：

API 数据：storage 目录
向量数据：pgvector/data 目录
日志：nginx/logs 目录

你可以通过.env 中的 DIFY_ROOT_PATH 变量修改存储根路径。

2. 如何升级 Dify 版本

首先备份数据：

cp -r storage storage_backup
cp -r pgvector pgvector_backup

更新镜像版本并重启服务：

# 修改 docker-compose.yml 中的镜像版本
# 例如：langgenius/dify-api:1.3.1 -> langgenius/dify-api:1.4.0

# 重新拉取镜像并重启服务
docker-compose pull
docker-compose up -d

3. 如何查看日志

# 查看所有服务日志
docker-compose logs

# 查看特定服务日志
docker-compose logs dify-api

# 查看 pgvector 日志
docker-compose logs dify-pgvector

# 实时查看日志
docker-compose logs -f dify-api

4. pgvector 连接问题

如果遇到向量数据库连接问题，可以通过以下命令检查：

# 检查 pgvector 容器状态
docker-compose ps dify-pgvector

# 检查 pgvector 日志
docker-compose logs dify-pgvector

# 直接连接 pgvector 进行测试
docker exec -it dify-pgvector psql -U postgres -d dify

优化建议

1. 资源分配

对于生产环境，建议至少分配：

4 核 CPU
8GB 内存
50GB 磁盘空间

2. 性能优化

使用 SSD 存储提高数据读写速度，特别是对 pgvector
为 pgvector 配置足够的内存，推荐至少 4GB
对于大型知识库，考虑使用更高性能的向量数据库索引
使用 CDN 加速静态资源访问
配置合适的 worker 数量处理并发请求

3. 安全建议

更改所有默认密码，尤其是 pgvector 数据库密码
配置强密钥
启用 HTTPS
限制 API 访问权限
定期备份数据
限制 pgvector 对外暴露的端口访问

结语

通过本教程，你应该已经成功部署了基于 pgvector 向量数据库的 Dify 平台，并了解了基本的配置和优化方法。pgvector 作为一个开源的向量数据库解决方案，为 Dify 提供了高效、可靠的向量存储和检索能力，是构建 AI 应用的理想选择。

随着不断探索 Dify 的功能，你可以尝试更多高级特性，如自定义模型、跨平台集成、多语言支持等。希望本教程对你有所帮助，祝你在 AI 应用开发的道路上取得成功！

参考资料

如果觉得文章对你有用，请随意赞赏

AI RAG

Dify 平台部署教程

https://www.explorexd.com/archives/baf588a3-c78b-4440-9fe6-9ce02ca874dc

作者

Jack.Jia

发布于

2025-05-12

更新于

2025-05-12

许可协议

CC BY 4.0

Dify 平台部署教程

Dify 平台部署教程

前言

Dify 是什么？

部署环境要求

快速部署步骤

1. 获取部署项目

2. 创建配置文件

3. 创建必要目录

4. 启动服务

5. 检查服务状态

6. 访问服务

服务架构解析

1. API 服务

2. Worker 服务

3. Web 前端

4. pgvector 向量数据库

5. Nginx 反向代理

关键配置详解

基础环境变量

向量数据库配置

高级配置指南

1. 自定义端口配置

2. 配置 HTTPS

3. 自定义域名

4. 向量数据库优化

常见问题及解决方案

1. 数据存储位置

2. 如何升级 Dify 版本

3. 如何查看日志

4. pgvector 连接问题

优化建议

1. 资源分配

2. 性能优化

3. 安全建议

结语

参考资料

作者

发布于

更新于

许可协议

评论