Ollama + fastAPI 服务器镜像

镜像概述和主要用途

本镜像基于 ollama/ollama 构建，集成了 fastAPI 服务器，主要用途是允许外部系统释放由 Ollama 占用的 GPU 内存，同时提供标准的 Ollama 服务和便捷的管理接口。

核心功能和特性

• 双服务端口：***端口提供标准Ollama服务，5000端口提供fastAPI管理接口
• GPU内存管理：支持通过fastAPI接口停止指定Ollama模型，释放其占用的GPU内存
• 数据持久化：支持挂载卷保存Ollama数据（模型、配置等）
• GPU支持：原生支持GPU加速，需在运行时指定GPU资源

使用场景和适用范围

适用于需要运行Ollama模型且需管理GPU资源的场景，特别是在多模型交替运行或资源受限环境中，可通过外部系统调用API释放不再使用的模型内存，优化GPU资源利用率。

使用方法和配置说明

运行容器

通过以下命令启动容器，需指定GPU资源、数据卷挂载和端口映射：

bash
docker run -itd --gpus=all -v [本地数据路径]:/root/.ollama -p ***:*** -p 5000:5000 --name ollama shinejh0528/ollama:1.0.0

参数说明：

• --gpus=all：启用所有GPU资源（Ollama模型运行依赖）
• -v [本地数据路径]:/root/.ollama：挂载本地目录到容器内Ollama数据目录，实现数据持久化（请将[本地数据路径]替换为实际本地路径）
• -p ***:***：映射Ollama服务端口
• -p 5000:5000：映射fastAPI管理接口端口
• --name ollama：指定容器名称为"ollama"

停止模型（释放GPU内存）

通过fastAPI接口停止指定模型，释放其占用的GPU内存：

请求命令：

bash
curl -X POST http://localhost:5000/stop -H "Content-Type: application/json" -d '{"model":"[模型名称]"}'

参数说明：

• [模型名称]：需停止的Ollama模型名称（如gemma3:latest）

成功响应示例：

bash
{"message":"Model 'gemma3:latest' stopped successfully.","output":""}

响应说明：

• message：操作结果描述
• output：命令执行输出（通常为空）