Harbor项目中使用外部Ollama服务的配置指南
2025-07-10 11:00:01作者:凤尚柏Louis
在Harbor项目中,用户经常需要将现有的Ollama服务集成到系统中,而不是使用Harbor默认安装的Ollama实例。本文将详细介绍如何配置Harbor以使用外部Ollama服务,以及相关的技术细节和注意事项。
外部Ollama服务的基本配置
Harbor从v0.1.26版本开始支持配置外部Ollama服务地址。用户可以通过以下命令设置自定义的Ollama服务URL:
# Linux系统配置(172.17.0.1是容器内访问主机的默认IP)
harbor config set ollama.internal_url http://172.17.0.1:33821
# Windows/MacOS系统配置
harbor config set ollama.internal_url http://docker.host.internal:33821
网络连通性验证
在配置外部Ollama服务前,必须确保从Harbor容器内部可以访问该服务。可以通过以下步骤验证网络连通性:
- 启动Harbor服务
- 进入webui容器
- 测试目标Ollama服务的可达性
harbor up
harbor exec webui bash
curl http://目标IP:端口
模型缓存共享配置
为了优化资源使用,Harbor允许共享Ollama的模型缓存目录。用户可以通过以下命令查看和设置缓存路径:
# 查看当前缓存路径
harbor config get ollama.cache
# 设置自定义缓存路径
harbor config set ollama.cache ~/path/to/cache
配置持久化注意事项
需要注意的是,Harbor会在每次启动时覆盖WebUI的配置项。这意味着用户在WebUI界面手动添加的额外端点会在容器重启后被重置。针对这一问题,Harbor提供了专门的命令行工具来管理OpenAI兼容API的配置:
# 管理API密钥
harbor openai keys [ls|rm|add]
# 管理API URL
harbor openai urls [ls|rm|add]
使用这些命令添加的配置项会被持久化保存,不会在容器重启时丢失。需要注意的是,密钥和URL需要按索引对齐,且WebUI不会连接到没有密钥的OpenAI兼容API。
最佳实践建议
- 对于生产环境,建议使用固定IP地址配置外部Ollama服务
- 在配置前务必验证网络连通性
- 合理规划模型缓存位置,避免重复下载大模型文件
- 使用命令行工具而非WebUI界面进行持久化配置
- 定期检查服务健康状态,确保外部Ollama服务稳定运行
通过以上配置,用户可以灵活地将现有Ollama服务集成到Harbor生态系统中,同时享受Harbor提供的其他功能集成。这种配置方式特别适合已经部署了Ollama服务并希望保持现有架构不变的环境。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1