自托管 n8n 在 GCR 的启动和配置教程
2025-04-24 20:13:30作者:曹令琨Iris
1. 项目目录结构及介绍
在克隆或下载自托管 n8n 在 GCR 的项目后,您会看到以下目录结构:
self-host-n8n-on-gcr/
├── .dockerignore
├── .gitignore
├── Dockerfile
├── docker-compose.yml
├── entrypoint.sh
├── install.sh
├── n8n
│ ├── .env
│ ├── .n8n
│ ├── data
│ ├── db
│ ├── node_modules
│ ├── package.json
│ ├── package-lock.json
│ └── workflows
└── README.md
这里简要介绍每个主要部分:
.dockerignore:包含不应该被 Docker 包含在构建上下文中的文件和目录。.gitignore:包含不应该被 Git 跟踪的文件和目录。Dockerfile:定义了构建 Docker 镜像的指令。docker-compose.yml:定义了用于运行 n8n 服务的 Docker 服务配置。entrypoint.sh:启动容器时运行的脚本,用于初始化 n8n。install.sh:用于安装 n8n 的依赖项。n8n:包含了 n8n 的应用文件和配置。.env:环境变量文件。.n8n:n8n 的配置目录。data:存储 n8n 数据的目录。db:数据库存储目录。node_modules:n8n 的依赖模块目录。package.json:n8n 的依赖和配置文件。package-lock.json:锁定 n8n 依赖的版本。workflows:n8n 工作流目录。
2. 项目的启动文件介绍
项目的启动主要通过以下文件进行:
entrypoint.sh:这是一个 shell 脚本,用于在容器启动时初始化 n8n 环境。它会检查是否需要安装 n8n,然后启动 n8n 服务。docker-compose.yml:使用 Docker Compose 的 YAML 文件定义了 n8n 服务。它定义了服务容器、网络、卷等配置。以下是一个简化的配置示例:
version: '3.8'
services:
n8n:
build: .
container_name: n8n
environment:
- N8N_DATABASE_TYPE=sqlite
- N8NDisallowUpdate=true
ports:
- "5678:5678"
volumes:
- ./n8n/data:/app/data
- ./n8n/db:/app/db
- ./n8n/workflows:/app/workflows
restart: unless-stopped
- 使用
docker-compose up -d命令可以启动服务。
3. 项目的配置文件介绍
项目的配置主要通过以下文件进行:
.env:这是 n8n 的环境变量文件,它用于配置 n8n 的运行环境。以下是一些常见的配置项:
N8N_DATABASE_TYPE=sqlite
N8NDisallowUpdate=true
N8N_PORT=5678
- 这些环境变量可以在
docker-compose.yml文件中设置,或者直接在.env文件中定义。
通过以上介绍,您应该能够了解自托管 n8n 在 GCR 项目的目录结构、启动文件和配置文件的基础知识,并能够开始进行自托管 n8n 的部署和配置。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221