OpenWebUI(20)源码学习-版本升级

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


OpenWebUI升级

提示:这里可以添加本文要记录的大概内容:

你的数据(聊天、用户、设置、上传,包括知识库等)存在于Docker卷或本地数据库中,而不是在容器中。更新Open webUI意味着将容器映像交换为新的容器映像。你的数据会留在原来的地方。


提示:以下是本篇文章正文内容,下面案例可供参考

一、备份数据

进入主机目录下,运行docker备份openwebui中的卷数据。

1. 首次安装

当我首次用docker安装的时候,一般执行的下面命令:

bash 复制代码
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

-v open-webui:/app/backend/data 将openwebui的所有产生的数据存储在docker容器中的位置:/app/backend/data ,对应映射到宿主机卷名:open-webui下(真实位置:/var/lib/docker/volumes/open-webui/_data)

docker内的后端数据默认存储在主机的/var/lib/docker/volumes/open-webui/_data目录下

2.升级前备份数据

需要将上面后端数据提前备份,万一升级失败,还可以用这些备份的数据回退到原来版本;给你的数据上个"双保险"

bash 复制代码
# 进入工作目录
cd  /home/jinhu/openwebui/update_backup
# 开始备份数据
docker run --rm -v open-webui:/data -v $(pwd):/backup \
  alpine tar czf /backup/openwebui-$(date +%Y%m%d).tar.gz /data

这个命令的意思是:启动一个临时的 Alpine 容器,把 open-webui 卷挂载到容器的 /data,把当前目录挂载到 /backup,然后在容器内把 /data 下的所有内容打包压缩成一个带日期的文件,存到 /backup 里

3.开始升级

(1)停止 并移除原来的容器

bash 复制代码
docker stop open-webui
docker rm open-webui

(2)拉取最新的 Docker 镜像

bash 复制代码
docker pull 192.168.11.103:5000/open-webui:v0.8.12-cuda

(3)使用相同的数据卷启动新容器

这一步最关键:启动命令必须和原来一样,确保新容器依然挂载 open-webui 这个卷。

bash 复制代码
docker run -d -p 3000:8080   -v open-webui:/app/backend/data  -e WEBUI_SECRET_KEY="sk-hinmu6688-2026"   --name open-webui --restart always  --gpus all   192.168.11.103:5000/open-webui:v0.8.12-cuda

4.验证

打开浏览器访问 http://localhost:3000

查看对应的用户,对话记录,知识库等是否正常显示

5.升级失败回退

如果发现升级失败,要回退

bash 复制代码
# 1. 停止并移除有问题的容器
docker stop open-webui
docker rm open-webui

# 2. 用备份文件恢复数据卷
docker run --rm -v open-webui:/data -v $(pwd):/backup alpine sh -c "rm -rf /data/* && tar xzf /backup/openwebui-backup-YYYYMMDD.tar.gz -C /data"

# 3. 使用旧版本镜像重新启动容器,回到升级前的状态
#    (将 latest 替换为你之前备份时使用的旧镜像标签)
docker run -d --name open-webui \
  -p 3000:8080 \
  -v open-webui:/app/backend/data \
  --restart unless-stopped \
  ghcr.io/open-webui/open-webui:[旧版本号]
相关推荐
Gigavision3 小时前
基于BUAA-MIHR数据集的噪声解耦对比学习算法
人工智能·python·深度学习·算法
红海云3 小时前
Kimi 双端接入 CloudBase 的工程价值
人工智能·语言模型
计算机编程-吉哥4 小时前
YOLO26 vs YOLO11 vs YOLOv8:深度学习咖啡果实成熟度分割系统【计算机毕业设计选题推荐】
人工智能·python·深度学习·yolo·django·毕业设计
冬奇Lab4 小时前
一年前没启动 AI 提效的团队,今年在付什么钱?
人工智能
彧azz4 小时前
算法设计与分析:贪心与动态规划
数据结构·学习·算法·贪心算法·动态规划
NeoGressAI外贸数字化5 小时前
IOR新规9月18日生效:Form 5106六项资料自查清单
人工智能
根目录下的猫6 小时前
RK3588适配的轻量级AI模型推荐
人工智能·后端·python·目标检测
weixin_6686 小时前
Cursor 插件使用说明:Linear 与 Figma
人工智能·cursor
一条小小yu6 小时前
基于数据库唯一索引 + 过期时间的分布式锁
学习
wshzd6 小时前
LLM之Agent(六十八)|PI(七)构建测试与开发流程
人工智能