无网络环境下 RAGFlow 离线部署流程记录（WSL2+Docker）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、环境准备
• 二、源机器操作：镜像导出 + 配置打包
• • 1.分批次导出镜像，不然容易卡崩（PowerShell 脚本）
  • 记得很多命令都是在RAGFlow的docker文件夹里运行的哦
  • 2. 确认导出文件
• 三、目标机器部署：全流程操作
• • 1. 环境初始化（必做！）
  • 2. 文件传输与目录准备
  • 3. 批量导入镜像（按大小顺序）
• 镜像导入校验（关键！但是我没验证，应该没啥毛病）​
• • 4. 配置文件处理
  • 5. 启动服务与验证
• 四、故障排查与解决方案
• 五、长期维护与优化(无了不知道写啥，感觉没什么用）
• 六 .总结

前言

` 在无网络 / 内网环境中部署 RAGFlow 时，需解决镜像无法拉取、服务依赖冲突、内存不足崩溃三大核心问题。本文通过分批次镜像处理、WSL 资源限制、配置固化等方案，实现标准化离线部署，流程可复用。

提示：以下是本篇文章正文内容，下面案例可供参考

一、环境准备

二、源机器操作：镜像导出 + 配置打包

1.分批次导出镜像，不然容易卡崩（PowerShell 脚本）

创建 export-ragflow.ps1 脚本，按先小后大顺序导出镜像（减少内存占用）：

记得很多命令都是在RAGFlow的docker文件夹里运行的哦

如： PS C:\\Users\\32591> cd “F:\\AI\\0AImodle\\DeepSeek+RagFlow\\ragflow-main\\docker”

1.先进入项目目录里 ：
#PS C:\\Users\\32591> cd "F:\\AI\\0AImodle\\DeepSeek+RagFlow\\ragflow-main\\docker"

______________________________________________________________________________
2.然后直接把下面内容复制粘贴到 export–ragflow.ps1 里保存👇
===================================================================================

# 分批次定义镜像（小镜像优先）
$smallImages = @(
"valkey/valkey:8", # 112MB（替代Redis）
"mysql:8.0.39", # 572MB
"quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z" # 150MB
)
$bigImages = @(
"elasticsearch:8.11.3", # 1.4GB
"infiniflow/ragflow:v0.19.1" # 14.8GB（带嵌入模型）
)

# 导出函数（含休眠，释放系统资源）
function Export–Image {
param($img)
$filename = ($img –replace '[/:]', '_') + '.tar' # 替换特殊字符，避免文件名错误
Write–Host "🔄 开始导出: $img"
docker save –o $filename $img # 执行导出
Start–Sleep –Seconds 20 # 休眠20秒，降低CPU/内存压力
Write–Host "✅ 完成导出: $filename"
}

# 先导出小镜像
foreach ($img in $smallImages) { Export–Image $img }

# 最后导出大镜像（单独处理）
foreach ($img in $bigImages) { Export–Image $img }

# 打包配置文件（不含镜像，避免体积过大）
$configFiles = Get–ChildItem –Exclude "*.tar" # 包含docker–compose.yml、.env等
Compress–Archive –Path $configFiles –DestinationPath ragflow–config.zip –Force
Write–Host "✅ 配置包已生成: ragflow-config.zip"

===================================================================================

执行脚本导出文件：

.\\export-ragflow.ps1

最后这出现六个包：

2. 确认导出文件

导出后应包含至少 6 个文件：

5 个镜像包：valkey_valkey_8.tar、 mysql_8.0.39.tar、quay.io_minio_minio_xxx.tar、 elasticsearch_8.11.3.tar、 infiniflow_ragflow_v0.19.1.tar；​
1 个配置包：ragflow–config.zip（含docker–compose.yml、docker–compose–base.yml、.env）。

该处使用的url网络请求的数据。

三、目标机器部署：全流程操作

1. 环境初始化（必做！）

（1）WSL2 资源配置（避免内存崩溃） 在目标机器 C:\\Users<用户名>\\ 中新创建一个 .wslconfig 文件 并 写入：

# .wslconfig
#根据本机性能自行配置

[wsl2]
memory=12GB # 至少12GB，RAGFlow及依赖内存需求高
processors=8 # 建议≥4核，根据主机配置调整
swap=0 # 禁用swap，减少磁盘IO压力
localhostForwarding=true # 确保localhost端口访问正常

重启 WSL 生效：

wsl –shutdown
wsl –start

（2）Docker 权限配置（我没配）

2. 文件传输与目录准备

将源机器的 5 个.tar 镜像 和 ragflow-config.zip 复制到目标机器任意目录（如 D:\\ragflow-offline）；​ 确保目录路径 无中文 / 空格（避免 PowerShell 解析错误）。

3. 批量导入镜像（按大小顺序）

**1. 方法一（一键导入多个包）：**打开 PowerShell 7（管理员），进入部署目录，执行导入：

cd D:\\ragflow-offline

# 批量导入（小镜像优先加载，减少内存压力；整体等待时间较长，镜像越大时间越长）
Get-ChildItem -Filter "*.tar" | ForEach-Object {
Write-Host "📥 导入镜像: $($_.Name)"
docker load -i $_.FullName
# 大镜像导入后额外休眠30秒（可选，降低系统负载）
if ($_.Name -match "elasticsearch|infiniflow") {
Start-Sleep -Seconds 30
}
}

**2. 方法二（手动分步导入）：**具体命令（对应 5 个核心镜像，每次单独执行），适合批量命令出错时逐次操作（因为这里用这个脚本导入等了半天-镜像太大，所以我还是一个一个的导入吧，不过还是等了好久）：

# 执行下面的命令：
# ==============================================
# 分步导入镜像命令（按实际执行顺序，批量命令失败时使用）
# 适用场景：批量导入因文件名解析、资源占用过高失败时，逐个导入排查问题
# ==============================================
PS C:\\11TheFile\\RAGFlow\\ragflow-offline>
# 1. 导入Elasticsearch镜像（搜索引擎，大镜像）
# 作用：加载Elasticsearch服务镜像，用于RAGFlow的向量存储与检索
docker load -i elasticsearch_8.11.3.tar
Start-Sleep -Seconds 30 # 大镜像导入后休眠30秒，释放系统资源

# 2. 导入RAGFlow主镜像（核心服务，最大镜像）
# 作用：加载RAGFlow主程序镜像，包含模型与业务逻辑
docker load -i infiniflow_ragflow_v0.19.1.tar
Start-Sleep -Seconds 30 # 超大镜像导入后延长休眠，避免系统卡顿

# 3. 导入Valkey镜像（替代Redis，缓存服务，小镜像）
# 作用：加载Valkey镜像（Redis兼容替代品），用于服务缓存与会话管理
docker load -i valkey_valkey_8.tar

# 4. 导入MySQL镜像（数据库服务，中镜像）
# 作用：加载MySQL镜像，用于RAGFlow的元数据与结构化数据存储
docker load -i mysql_8.0.39.tar

# 5. 导入MinIO镜像（对象存储服务，小镜像）
# 作用：加载MinIO镜像，用于存储文档、图片等非结构化数据
# 注意：文件名保留"quay.io"中的".", 仅将"/"替换为"_", 与导出时一致
docker load -i quay.io_minio_minio_RELEASE.2023-12-20T01-00-02Z.tar

镜像导入校验（关键！但是我没验证，应该没啥毛病）​

导入后必须验证所有镜像存在，避免遗漏： 检查核心镜像（版本必须完全匹配，真实名称请查看自己本机RAGFlow的实际版本） docker images | findstr “infiniflow/ragflow:v0.19.1” docker images | findstr “mysql:8.0.39” docker images | findstr “elasticsearch:8.11.3” docker images | findstr “valkey/valkey:8” docker images | findstr “quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z” 若有缺失，重新传输并导入对应 .tar 文件。

4. 配置文件处理

解压配置包并覆盖到部署目录：

# 解压配置文件（-Force确保覆盖旧文件）
Expand-Archive -Path .\\ragflow-config.zip -DestinationPath .\\ -Force

关键配置检查，导入失败强制换成实际版本（下面是示例）： docker-compose.yml：

services: ragflow: image: infiniflow/ragflow:v0.19.1 # 硬编码本地镜像，禁用远程拉取 depends_on: mysql: condition: service_started # 绕开MySQL健康检查误判

docker-compose-base.yml：

services: mysql: image: mysql:8.0.39 # 硬编码本地镜像 # 注释健康检查（避免无网络环境误判） # healthcheck: # test: [“CMD”, “mysqladmin”, “ping”, “-uroot”, “-p${MYSQL_PASSWORD}”]

.env：确认端口、密码与本地环境匹配（我没看，只在这个文件开头加入了：）。

RAGFLOW_IMAGE=infiniflow/ragflow:v0.19.1 VALKEY_IMAGE=valkey/valkey:8 MYSQL_IMAGE=mysql:8.0.39 MINIO_IMAGE=quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z ELASTICSEARCH_IMAGE=elasticsearch:8.11.3

5. 启动服务与验证

（1）启动服务

# 兼容docker compose和docker-compose两种命令格式
try { docker compose up -d } catch { docker-compose up -d }

运行完就成功了： 直接在浏览器中进入127.0.0.1地址就可以了（还没打开就占用7G运存，差0.5G就又崩溃了……）

（2）部署验证

# 检查容器状态（所有服务应为Up）
docker compose ps

# 验证RAGFlow API可用性（返回200 OK）
curl http://localhost:9380/api/v1/health

四、故障排查与解决方案

五、长期维护与优化(无了不知道写啥，感觉没什么用）

六 .总结

本流程通过 分批次镜像处理、WSL 资源限制、配置固化，解决了无网络环境下 RAGFlow 部署的核心痛点：​ 镜像复用：修改后的 docker-compose.yml、docker-compose-base.yml、.env 可直接替换到压缩包，实现 “解压即部署”；​ 稳定性保障：WSL 配置和权限处理避免了内存崩溃、权限不足等隐性问题；​ 可维护性：故障排查和长期维护方案确保服务持续稳定运行。​ 建议将修改后的配置文件永久归档，作为离线部署的标准化模板复用。

RR