在群晖上部署immich

前段时间在群晖上折腾immich，查了一堆在线的文档，跟AI也讨论了不少，发现一件本来很简单的事情被搞得过于复杂了。

简单来说，immich本身是很易于安装和配置的，在国内的环境下，主要困难在于：

需要hf镜像以下载大模型
需要docker-hub镜像以下载immich

接下来以普通的群晖 DS220+这款家用 2-bay NAS 为例，简单记一下如何从头开始配置 immich 。

环境配置

DSM版本		7.3.2
设备型号		Synology DS220+
设备CPU		Intel(R) Celeron(R) J4025
MemTotal:	10031252 kB (10GB)

注：Immich 比较吃内存，建议加过内存的机型折腾，我这里加到了 10GB。

然后：

群晖上需要安装 Container Manager
打开 Container Manager / 镜像仓库 / 设置，添加一个镜像地址。我用的是轩辕，充一点钱可以用好久，除了这个以外，网上的所谓免费镜像都用不起来。
在群晖的控制面板里，新增一个文件夹，我这里用的是docker作为名称。
在docker下新建immich文件夹，后续所有的操作都在这个文件夹下进行。

下载和编辑immich的示例配置

前往 immich 的发布页，下载最新版的以下文件：

docker-compose.yml
example.env
hwaccel.ml.yml （如果你有独立显卡，本例不涉及）
hwaccel.transcoding.yml （如果你有独立显卡，本例不涉及）

编辑.env

打开 example.env，原始内容如下：

1 2	UPLOAD_LOCATION=./library DB_DATA_LOCATION=./postgres

按照这个配置，在群晖/docker/immich下，新建library，postgres和cache文件夹。

文件夹结构如下：

/docker/immich (你的 immich 根目录)
└── library
└── postgres
└── cache

现在把example.env重命名为.env，放到群晖/docker/immich下。

编辑docker-compose

打开docker-compose.yml。

如果你跟我一样使用了轩辕的镜像，那把image: ghcr.io/immich-app/immich-server:${IMMICH_VERSION:-release}这一行，替换为你的url。如：image: {key}-ghcr.xuanyuan.run/immich-app/immich-server:${IMMICH_VERSION:-release}
在immich-server节点下的volumes配置中，添加一行 - /volume1/photo:/usr/src/app/external，注意缩进和对齐
ports下默认的2283:2283端口映射不需要改，当然也可以改成如9527:2283，这样就可以通过9527端口来访问。
immich-machine-learning，immich_redis, immich_postgres的image路径也改为轩辕的镜像地址，其他的不需要变。
immich-machine-learning 下的 volumes 改为：- ./cache:/cache 。

如果你可以正常拉取docker镜像的话就不需要配置轩辕镜像了。这种情况下只需要配置一下volumes就行。

完成后将docker-compose.yml也放到群晖/docker/immich下。

构建项目

打开Container Manager / 项目 / 新建项目，项目名称随便填，“路径”选择我们之前放.env/docker-compose.yml的地方，也就是 /docker/immich ，“使用现有的 docker-compose.yml 来创建项目”，然后按向导说的做，一路下一步就行。

暂时不需要配置web station。

等构建完成后，就可以通过LAN输入 ds220主机名称:2283 来访问了。

不能访问？

先在 Container Manager 里看一下 immich_server 的 ip地址，如172.20.0.5。

打开群晖【控制面板】/【安全性】/【防火墙】/【编辑规则】，添加一条规则，【端口】写2283，来源写全部，【允许】。应该就可以了。

下载大模型

immich 支持文字识别和人脸识别功能，在纯CPU模式下，我打算用最小的模型来凑合。

打开huggingface，创建一个新的token。
Token Type选择Read
复制 hf_ 开头的一长串token，以下称之为 {token}

找个本地磁盘的位置打开终端，然后运行以下命令（需要安装有python）

pip install hf_cli
pip install hf_transfer
$env:HF_ENDPOINT = "https://hf-mirror.com"
$env:HF_TOKEN = "{token}"
$env:HF_XET_HIGH_PERFORMANCE = "1"
hf download immich-app/buffalo_s --local-dir ./buffalo_s 
hf download immich-app/ViT-B-32-SigLIP2-256__webli --local-dir ./ViT-B-32-SigLIP2-256__webli

将下载好的2个模型文件夹放到 docker/immich/cache 下，目录结构：

/docker/immich/cache
└── facial-recognition
    └── buffalo_s
└── clip
    └── ViT-B-32-SigLIP2-256__webli

然后打开immich的系统管理后台，在机器学习设置里配置一下两个模型的名称。

智能搜索：CLIP模型使用`ViT-B-32-SigLIP2-256__webli`
人脸识别：模型使用`buffalo_s`

外部库

因为我的immich是作为Synology Photos的并行方案，所以我是通过外部库挂载的方式导入图像的。

在immich系统管理的外部库中，新建一个外部库，文件夹设置为 /usr/src/app/external ，其他使用默认值即可。

完成。

Unnamed Files