做专业课视频课的网站百度精准搜索

目录

1.端口问题

2.依赖问题

3.资源问题

---

1.端口问题

现象：Dify 和 RAGFlow 默认使用相同的端口（80 和 443），还有minio的（9000），导致某一服务无法启动。

解决：本地主机的端口不能重复使用，而容器内的可以（容器网络无关联性），修改默认端口为可以使用的，docker-compose.yml

查看镜像端口使用：

2.依赖问题

现象：两者均依赖 Redis ，若默认配置相同会导致冲突。

1.修改 RAGFlow 的 Redis 配置（在 .env 文件中）： 

redis_port=7379  # 修改默认端口
redis_password=自定义密码

• 确保 Dify 的 Redis 配置独立（如使用不同端口或密码）。

修改容器名称：

# 进入应用所在路径
cd /data/apps/dify1.2.0/docker
# 根据安装的docker版本不同，命令可能不同
docker-compose down 或docker compose down
docker-compose -p dify up -d# 进入应用所在路径
cd /data/apps/ragflow/docker
# 根据安装的docker版本不同，命令可能不同
docker-compose down 或docker compose down
docker-compose -d ragflow -f ./docker-compose-gpu.yml up -d

就是让两个在不同容器下运行：

3.资源问题

现象：RAGFlow 对资源要求较高（CPU ≥4核、内存 ≥16GB、磁盘 ≥50GB），资源不足时启动失败或运行卡顿。 

注意：在运行ragflow文档解析的时候，最好是不要运行dify，且保证cpu大小健康（关闭不需要进程）

解决：检查服务器配置，升级硬件或调整 Docker 资源分配（通过 Docker Desktop 设置 CPU/内存限制）。