Dify 从 1.1.3 升级到 1.2.0 的数据迁移指南
2025-04-29 18:32:09作者:钟日瑜
前言
Dify 作为一个开源的大模型应用开发平台,在版本迭代过程中可能会涉及数据库结构的变更。本文将详细介绍如何从 1.1.3 版本安全升级到 1.2.0 版本,并完成必要的数据迁移工作。
准备工作
在进行升级前,请确保已完成以下准备工作:
- 备份数据库:这是最重要的步骤,避免升级失败导致数据丢失
- 检查系统资源:确保服务器有足够的资源完成升级过程
- 规划停机时间:升级过程中服务将不可用,建议选择业务低峰期进行
升级步骤
1. 获取容器信息
首先需要确定当前运行的 Dify 容器 ID:
docker ps
记录下 docker-api 容器的 ID,后续操作将在这个容器内执行。
2. 进入容器终端
使用以下命令进入容器终端:
docker exec -it <container_id> bash
3. 插件数据提取
在容器内执行插件数据提取命令:
poetry run flask extract-plugins --workers=20
此命令会提取当前系统中所有正在使用的模型和工具数据,--workers=20 参数表示使用 20 个 worker 并行处理,可根据服务器配置调整。
4. 插件安装
确保服务器可以访问公网后,执行插件安装命令:
poetry run flask install-plugins --workers=2
此步骤会从官方源下载并安装最新版本的插件。
5. 插件数据迁移
执行数据迁移命令,更新 provider 名称:
poetry run flask migrate-data-for-plugin
成功执行后会显示类似以下信息:
Migrate [tool_builtin_providers] data for plugin completed, total: 6
Migrate data for plugin completed.
6. 数据库结构升级
最后执行数据库结构升级命令:
poetry run flask db upgrade
此命令会根据新版 Dify 的要求更新数据库表结构。
验证升级
升级完成后,建议进行以下验证:
- 访问 Dify 平台,检查基本功能是否正常
- 点击"Plugins"按钮,验证所有插件是否正常工作
- 检查关键业务流程,确保数据完整性和功能可用性
注意事项
- 整个升级过程可能需要较长时间,取决于数据量和服务器性能
- 如果遇到网络问题导致插件安装失败,可重试 install-plugins 命令
- 升级后如发现异常,可考虑回滚到备份版本
- 建议在测试环境先验证升级流程,确认无误后再在生产环境执行
总结
通过以上步骤,可以安全地将 Dify 从 1.1.3 版本升级到 1.2.0 版本。升级过程中最关键的是做好数据备份和验证工作,确保业务数据不会丢失,升级后系统功能正常。如果在升级过程中遇到问题,可以参考 Dify 官方文档或社区寻求帮助。
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
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
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
377
3.32 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
620
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