使用Docker Compose部署Wiki.js知识库系统 - netcup社区教程
2025-07-08 02:27:14作者:裴麒琰
前言
在现代IT基础设施中,容器化技术已成为部署应用程序的标准方式。本教程将详细介绍如何使用Docker Compose在Linux服务器上部署Wiki.js知识管理系统。Wiki.js是一个基于Node.js的开源Wiki平台,具有直观的界面和强大的功能,非常适合团队知识管理或个人文档整理。
系统要求
- 任意Linux发行版服务器(推荐Ubuntu/Debian)
- 基础命令行操作能力
- 2GB以上内存(最低配置要求)
注:netcup的基础款VPS完全满足这些要求
环境准备
1. 安装Docker环境
首先确保系统已安装Docker和Docker Compose:
# 更新软件包索引
sudo apt update
# 安装必要依赖
sudo apt install -y apt-transport-https ca-certificates curl software-properties-common
# 添加Docker官方GPG密钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
# 添加Docker仓库
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
# 安装Docker CE
sudo apt install -y docker-ce docker-ce-cli containerd.io
# 验证安装
sudo docker --version
# 安装Docker Compose
sudo apt install -y docker-compose
配置Wiki.js服务
2. 创建项目目录结构
建议为Wiki.js创建独立的工作目录:
mkdir -p ~/wikijs/{data,config} && cd ~/wikijs
3. 编写Docker Compose文件
创建docker-compose.yml配置文件:
version: '3.8'
services:
database:
image: postgres:13-alpine
container_name: wikijs_db
environment:
POSTGRES_DB: wiki
POSTGRES_USER: wikijs
POSTGRES_PASSWORD: your_secure_password_here
volumes:
- ./data/postgres:/var/lib/postgresql/data
restart: unless-stopped
networks:
- wikijs_net
wikijs:
image: requarks/wiki:2
container_name: wikijs_app
depends_on:
- database
environment:
DB_TYPE: postgres
DB_HOST: database
DB_PORT: 5432
DB_USER: wikijs
DB_PASS: your_secure_password_here
DB_NAME: wiki
volumes:
- ./config:/var/wiki/config
- ./data/uploads:/var/wiki/uploads
ports:
- "8080:3000"
restart: unless-stopped
networks:
- wikijs_net
networks:
wikijs_net:
driver: bridge
volumes:
postgres_data:
driver: local
配置说明:
- 使用PostgreSQL 13作为数据库后端
- 数据卷映射确保数据持久化
- 使用独立网络增强安全性
- 将容器3000端口映射到主机8080端口
安全提示:务必修改默认密码,建议使用密码生成器创建复杂密码
启动与配置
4. 启动服务
docker-compose up -d
首次启动会自动拉取所需镜像并初始化容器。
5. 访问管理界面
服务启动后,通过浏览器访问:
http://你的服务器IP:8080
首次访问将进入初始化向导:
- 设置管理员账户
- 配置站点基本信息
- 选择存储策略(默认本地存储即可)
高级配置建议
安全加固措施
-
HTTPS配置: 建议使用Nginx反向代理并配置Let's Encrypt证书
-
定期备份:
# 创建备份脚本 cat > ~/wikijs/backup.sh <<EOF #!/bin/bash TIMESTAMP=$(date +%Y%m%d%H%M) tar -czvf wiki_backup_\$TIMESTAMP.tar.gz config/ data/ EOF chmod +x ~/wikijs/backup.sh -
自动更新:
docker-compose pull && docker-compose up -d
常见问题排查
Q: 无法访问管理界面
- 检查防火墙设置:
sudo ufw allow 8080 - 查看容器日志:
docker-compose logs
Q: 数据库连接失败
- 验证数据库容器状态:
docker ps -a - 检查环境变量是否匹配
结语
通过本教程,您已经成功部署了一个功能完整的Wiki.js知识管理系统。Wiki.js支持Markdown编辑、多用户协作、版本控制等高级功能,非常适合用作团队知识库或个人文档中心。建议定期检查官方更新,保持系统安全稳定。
登录后查看全文
热门项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Jetson TX2开发板官方资源完全指南:从入门到精通 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
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
297
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143