在Ubuntu服务器上部署Excalidraw项目的完整指南
2025-04-29 03:45:02作者:龚格成
Excalidraw是一款开源的虚拟白板工具,允许用户创建手绘风格的图表。本文将详细介绍如何在Ubuntu服务器上部署和运行Excalidraw项目。
环境准备
在开始之前,请确保你的Ubuntu服务器已安装以下必备组件:
- Node.js (建议版本16.x或更高)
- Yarn包管理器
- Git版本控制系统
部署步骤
1. 克隆项目代码
首先需要将Excalidraw项目代码克隆到本地服务器:
git clone https://github.com/excalidraw/excalidraw.git
cd excalidraw
2. 安装项目依赖
使用Yarn安装项目所需的所有依赖包:
yarn install
这一步会根据项目中的package.json文件自动下载并安装所有必要的JavaScript库和工具。
3. 构建项目
在开发或生产环境中运行前,需要先构建项目:
yarn build
构建过程会将源代码编译、优化并打包成浏览器可执行的格式。构建完成后,会在项目目录中生成dist等输出文件夹。
4. 启动服务
构建完成后,可以通过以下命令启动Excalidraw服务:
yarn start
默认情况下,服务会启动在3000端口。你可以通过服务器的IP地址和端口号在浏览器中访问应用。
高级配置
自定义端口
如果需要修改默认端口,可以在启动命令中添加PORT环境变量:
PORT=8080 yarn start
生产环境部署
对于生产环境,建议:
- 使用PM2等进程管理器保持服务稳定运行
- 配置Nginx或Apache作为反向代理
- 设置HTTPS加密连接
- 配置适当的防火墙规则
系统服务配置
可以将Excalidraw配置为系统服务,实现开机自启:
sudo nano /etc/systemd/system/excalidraw.service
添加以下内容:
[Unit]
Description=Excalidraw Service
After=network.target
[Service]
User=your_user
WorkingDirectory=/path/to/excalidraw
ExecStart=/usr/bin/yarn start
Restart=always
[Install]
WantedBy=multi-user.target
然后启用并启动服务:
sudo systemctl enable excalidraw
sudo systemctl start excalidraw
常见问题解决
- 依赖安装失败:检查Node.js和Yarn版本是否符合要求,尝试清除缓存后重新安装
- 端口冲突:确认3000端口未被占用,或修改启动端口
- 构建错误:检查系统内存是否充足,Node.js版本是否兼容
通过以上步骤,你应该能够在Ubuntu服务器上成功部署Excalidraw项目,并根据需要调整配置以满足不同环境的需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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
9
1