immich部署指南:5分钟搭建私有照片库
你还在为手机存储空间不足而烦恼?还在担心云端相册的隐私安全问题?本文将带你通过Docker Compose方式,在5分钟内搭建属于自己的私有照片库Immich,从此照片备份、管理全由自己掌控。读完本文后,你将能够独立完成Immich的部署、基础配置以及后续的升级维护工作。
准备工作
在开始部署之前,请确保你的系统已经安装了Docker和Docker Compose。如果尚未安装,可以参考Docker官方文档进行安装。Immich作为一款自主托管的照片和视频备份解决方案,直接从手机端进行操作,对系统资源要求不高,普通的家用服务器或个人电脑都能满足需求。
部署步骤
1. 获取项目代码
首先,克隆Immich项目仓库到本地,仓库地址为:https://gitcode.com/GitHub_Trending/im/immich。打开终端,执行以下命令:
git clone https://gitcode.com/GitHub_Trending/im/immich
cd immich
2. 配置环境变量
进入项目的docker目录,复制示例环境变量文件并进行必要的修改。示例环境变量文件为docker/example.env,其中包含了Immich运行所需的各种配置参数。
cd docker
cp example.env .env
使用文本编辑器打开.env文件,主要修改以下几个关键参数:
- UPLOAD_LOCATION:设置上传文件的存储位置,默认为
./library,你可以根据自己的需求修改为其他路径,如/data/immich/library。 - DB_DATA_LOCATION:设置数据库文件的存储位置,默认为
./postgres,同样可以修改为自定义路径,如/data/immich/postgres。 - DB_PASSWORD:设置数据库密码,建议使用强密码,提高安全性。
修改完成后保存文件。
3. 启动服务
完成环境变量配置后,使用Docker Compose启动Immich服务。项目提供的Docker Compose配置文件为docker/docker-compose.yml,其中定义了Immich所需的各个服务组件,包括immich-server、immich-machine-learning、redis和database等。
在docker目录下执行以下命令启动服务:
docker compose up -d
该命令会后台启动所有服务,首次启动时会自动拉取所需的Docker镜像,可能需要一些时间,请耐心等待。
服务验证
服务启动后,可以通过访问http://服务器IP:2283来验证Immich是否部署成功。如果一切正常,你将看到Immich的登录界面。
首次登录时,需要创建管理员账户。根据界面提示输入用户名、邮箱和密码,完成账户创建后即可登录系统。
升级维护
Immich项目处于持续开发中,定期升级可以获得新功能和安全更新。升级步骤如下:
- 进入项目目录,拉取最新代码:
cd immich
git pull
- 进入docker目录,重新启动服务:
cd docker
docker compose pull && docker compose up -d
该命令会拉取最新的Docker镜像并重启服务,完成Immich的升级。详细的升级说明可以参考官方文档docs/docs/install/upgrading.md。
常见问题解决
在部署和使用过程中,可能会遇到一些问题,以下是一些常见问题的解决方法:
Docker版本问题
如果执行docker compose命令时出现类似unknown shorthand flag: 'd' in -d或open <location of your .env file>: permission denied的错误,可能是Docker版本过低。请按照Docker官方文档的指引安装最新版本的Docker Engine,确保使用docker compose命令而非docker-compose。
健康检查错误
如果启动服务时出现can't set healthcheck.start_interval as feature require Docker Engine v25 or later的错误,可以编辑docker/docker-compose.yml文件,注释掉database部分的start_interval配置项。
数据库迁移问题
如果需要从旧版本的pgvecto.rs数据库迁移到VectorChord,可以参考官方文档中的迁移指南,修改docker/docker-compose.yml文件中的数据库镜像配置,并按照指引进行操作。
总结
通过本文的介绍,你已经了解了如何在5分钟内使用Docker Compose部署Immich私有照片库。从获取项目代码、配置环境变量、启动服务到升级维护,每一步都简单易懂。Immich为你提供了安全、便捷的照片和视频备份解决方案,让你从此摆脱对第三方云端服务的依赖。
如果你在使用过程中遇到其他问题,可以查阅官方文档docs/docs/install/docker-compose.mdx或参与Immich社区讨论获取帮助。
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