Ollama本地部署

一、简介

Ollama 是一个开源的本地大模型部署工具，旨在简化大型语言模型（LLM）的运行和管理。通过简单命令，用户可以在消费级设备上快速启动和运行开源模型（如 Llama、DeepSeek 等），无需复杂配置。它提供 OpenAI 兼容的 API，支持 GPU 加速，并允许自定义模型开发。

二、本地部署

官网地址：Ollama

2.1、windows部署

windows下载后直接安装

2.2、linux 部署

1、Linux因网络原因会安装Ollama失败

# 1、下载ollama_install.sh并保存
curl -fsSL https://ollama.com/install.sh -o ollama_install.sh# 2、使用github文件加速替换github下载地址 
sed -i 's|https://ollama.com/download/ollama-linux|https://gh.llkk.cc/https://github.com/ollama/ollama/releases/download/v0.5.7/ollama-linux|g' ollama_install.sh# 3、替换后增加可执行权限
chmod +x ollama_install.sh# 4、执行sh下载安装
sh ollama_install.sh

2、ollama 提供给外部访问

# 1、修改ollama配置
vi /etc/systemd/system/ollama.service# 2、增加配置
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_ORIGINS=*# 3、重启ollama
systemctl restart ollama

postMan访问效果

http://10.11.20.40:11434/v1/chat/completions
http://10.11.20.40:11434/api/chat#请求
{"model": "qwen3:1.7b","messages": [{"role": "user","content": "hello"}],"stream": false
}

三、常用命令

命令运行格式：ollama run {model}，示例下载模型：
ollama run llama3.2 #或者 ollama run deepseek-r1:7b 

命令	作用描述
ollama serve	启动 Ollama 服务（后台运行）
ollama create	通过 Modelfile 创建自定义模型
ollama run	运行指定模型（如 ollama run llama3 --gpu）
ollama list	列出所有已下载模型
ollama ps	查看正在运行的模型
ollama rm	删除指定模型（如 ollama rm llama3）
ollama pull	从注册表拉取模型（如 ollama pull deepseek-r1:70b）
ollama stop	停止正在运行的模型
ollama show	显示模型详细信息（如 ollama show qwen）
ollama help	查询帮助命令

四、模型存储路径优化 

默认路径问题

• Windows：C:\Users\<用户名>\.ollama

• Linux/macOS：~/.ollama

• 问题：可能占用系统盘空间，尤其对小容量 SSD 用户不友好。

路径迁移方案

Windows

1. 右键「此电脑」→ 属性 → 高级系统设置 → 环境变量。

2. 新建系统变量 OLLAMA_MODELS，路径设为 D:\ollama\model

3. 重启电脑或终端后生效。

Linux/macOS

五、模型管理：从下载到优化

1.、模型下载

• 官方模型：

ollama pull llama3  # 下载 Llama3 模型

• 自定义模型：

1. 准备模型文件（如 GGUF 格式，从 Hugging Face 下载）。

创建 Modelfile 配置模板（示例）：

name: mymodel
template: qwen
path: /path/to/your/model.q4_K_M.gguf

构建模型：

ollama create mymodel -f Modelfile

2. 运行与交互

• 终端交互：

  ollama run --gpu mymodel  # 启动 GPU 加速
  

  输入问题后按 Ctrl+D 提交，等待模型响应。

• API 调用：
  Ollama 内置 OpenAI 兼容 API，通过 http://localhost:11434 访问：

  curl http://localhost:11434/v1/models  # 查看模型列表
  curl -X POST "http://localhost:11434/v1/completions" -H "Content-Type: application/json" -d '{"mod

3. 性能监控与优化

• 显存不足：

  • 选择轻量模型（如 deepseek:1.5b）。

  • 尝试低精度版本（如 q4_K_M 或 q3_K_L）。

• 内存不足：

  • 确保至少 8GB 内存（小模型）或 32GB+（大模型）。

  • 使用 --verbose 参数监控资源消耗：

    ollama run deepseek-r1:70b --verbose
    

    输出示例：

    total duration: 12m1.056s  # 总耗时
    load duration: 1.810s      # 模型加载时间
    eval rate: 2.09 tokens/s   # 生成速度

 六、安全加固指南

1. 限制网络访问

• 默认风险：Ollama 默认监听 0.0.0.0:11434，可能暴露公网。

• 解决方案：

  # 仅允许本地访问
  export OLLAMA_HOST=127.0.0.1:11434
  # 或通过环境变量设置
  OLLAMA_HOST=127.0.0.1:11434 ollama serve
  

2. 关闭危险端口

• 若仅本地使用，可通过防火墙屏蔽 11434 端口的外部访问。

3. 定期更新版本

• Ollama 定期修复安全漏洞，建议升级到最新版：

 七、总结与建议

• 硬件规划：

  • 7B 模型需 8GB 内存，70B 模型需 32GB+。

  • 显存不足时优先选择低精度版本。

• 安全第一：

  • 避免将 Ollama 端口暴露公网，定期更新版本。

• 模型选择：

  • 根据需求选择（如 DeepSeek 适合代码生成，Qwen 适合多语言）。