首页
/ Jellyseerr 教程:管理和请求媒体库

Jellyseerr 教程:管理和请求媒体库

2024-08-10 01:36:29作者:曹令琨Iris

1. 项目介绍

Jellyseerr 是一款免费且开源的软件,它的目标是帮助用户管理媒体库中的资源请求。它兼容Jellyfin和Emby媒体服务器,同时作为一个Overseerr的分支,提供了更加全面的集成体验。Jellyseerr允许用户追踪、请求电影和电视节目的下载,并与其他媒体管理工具如Sonarr、Radarr等配合使用。

2. 项目快速启动

Docker 部署

要在本地部署Jellyseerr,可以使用Docker容器。首先确保你的机器已安装Docker。然后执行以下命令:

docker run --name=jellyseerr \
  -d \ # 后台运行
  -p 5055:5055 \ # 绑定端口
  -v /path/to/config:/app/config \ # 将配置文件挂载至本地路径
  fallenbagel/jellyseerr:latest \ # 使用最新镜像

提示: 替换 /path/to/config 为你的实际目录路径,用于存储配置文件和相关数据。

初始化配置

首次运行,你需要访问 http://your_server_ip:5055 来完成基本设置,包括连接你的Jellyfin或Emby服务器,以及其他必要的配置。

3. 应用案例和最佳实践

  • 媒体同步: 配合Sonarr和Radarr,自动跟踪新的电视剧集和电影发布,然后安排下载。
  • 请求管理: 用户可以通过Jellyseerr界面提交想要的影片,管理员审核通过后触发下载流程。
  • API集成: 利用Jellyseerr提供的API接口,可自定义自动化脚本或第三方工具来扩展功能。

4. 典型生态项目

  • Sonarr: 自动管理电视节目并跟踪更新。
  • Radarr: 类似于Sonarr,但专注于电影。
  • JackettProwlarr: 搜索和索引资源。
  • 下载工具: 作为下载客户端处理来自Jellyseerr的请求。
  • JellyfinEmby: 中央媒体服务器,托管和流媒体资源。

注意: 对于更详细的设置和进阶使用,建议查阅官方文档或社区论坛以获取帮助和支持。

希望这个简要教程对你开始使用Jellyseerr有所帮助。祝你愉快地管理你的媒体库!

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
503
39
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
331
10
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
277
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70