Docker Compose一键部署DeepSeek与数据库环境

想在本地一键拉起一个集成了DeepSeek推理服务和数据库的完整AI环境？用Docker Compose编排确实是最优雅的方案。但要让这两个服务默契配合，有几个关键点必须打通：服务间的网络要能互通，数据的存储路径要配置正确，环境变量也得精准注入。下面，我们就来拆解几种经过验证的一键编排方案，你可以根据自己的硬件条件和场景需求对号入座。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

一、使用官方GPU加速镜像 + PostgreSQL组合

如果你的Linux服务器配备了NVIDIA GPU，这个方案能最大化性能。它通过一个Docker Compose文件，统一管理DeepSeek模型服务和作为元数据后端的PostgreSQL。所有服务间的通信都走Docker内部网络，安全又省心。

操作起来也简单：先创建项目目录并进入，然后编写一个docker-compose.yml文件，里面定义好deepseek-api和postgres两个服务，记得用depends_on和environment变量把数据库连接参数绑好。关键的配置项，比如数据库名、用户名、密码和要加载的模型名称，建议统一写在.env文件里管理。

一切就绪后，执行docker-compose up -d就能启动所有服务。这里有个细节：PostgreSQL的初始化需要一点时间，所以编排工具会确保数据库就绪后，再触发DeepSeek服务的模型加载流程。启动完成后，别忘了验证一下：可以进到deepseek-api容器里ping一下postgres服务名，确认网络是通的；再看看服务日志，如果出现了“Connected to PostgreSQL at postgres:5432”这样的字样，就说明连接成功了。

二、CPU轻量模式 + SQLite嵌入式数据库

手头没有GPU？比如在用MacBook或者低配的云主机？这个方案就是为你准备的。它用SQLite作为元数据后端，完全省去了安装和维护独立数据库的麻烦，特别适合开发测试、文档解析这类轻量级场景。

部署前，先在本地准备好模型文件，比如把下载好的DeepSeek量化权重文件放到models/目录下。然后在docker-compose.yml里，把DeepSeek服务的存储卷（volumes）映射到本地的./data/db.sqlite路径，并在启动命令（command）里指定--db-path ./data/db.sqlite。为了服务更健壮，可以加上restart: unless-stopped策略，这样服务意外退出后会自动重启。

用docker-compose up -d启动后，重点观察容器日志。如果看到“Using embedded SQLite database at /app/data/db.sqlite”的输出，就说明SQLite数据库路径配置生效了。不放心的话，还可以手动进入容器，用ls -l命令确认一下/app/data/db.sqlite这个文件已经生成并且不是空的。

三、多模型共存架构 + 自定义PostgreSQL初始化脚本

有时候，你可能需要在一个环境里同时跑多个不同版本的DeepSeek模型，比如同时部署7B和1.5B的变体，用来做A/B测试或者效果对比。这个方案就能实现多模型共存，它们共享同一个PostgreSQL实例，但通过不同的Schema来隔离数据，互不干扰。

实现的关键在于数据库的初始化脚本。你需要提前在configs/init.sql这样的文件里，写好创建不同Schema的SQL语句，比如CREATE SCHEMA IF NOT EXISTS deepseek_7b。然后，在编排文件里把这个脚本挂载到PostgreSQL服务的初始化目录下。为了提升启动速度，还可以给PostgreSQL加上fsync=off这类优化参数（请注意，这仅适用于非关键数据的测试环境）。

对于每一个DeepSeek服务，你需要通过environment变量为其指定独立的DB_SCHEMA。同时，为了避免端口冲突，需要为每个服务映射不同的宿主机端口，比如一个用8080:8080，另一个用8081:8080。

全部启动后，验证工作就很有成就感了：连接到PostgreSQL容器，执行\dn命令列出所有Schema。如果能看到“deepseek_7b | ocr_user”和“deepseek_15b | ocr_user”这样并排显示的结果，就说明多模型隔离架构完美运行了。

四、Ollama托管模型 + 外部PostgreSQL实例桥接

如果你的团队已经有现成的、管理完善的PostgreSQL数据库集群，不想在Docker里再起一个，那么这个桥接方案就很合适。它的思路是，用Ollama来托管和运行模型，让DeepSeek服务作为HTTP客户端去调用Ollama的API，然后将处理后的结构化结果，直接写入外部的、已有的PostgreSQL数据库。

实施前，先确保宿主机上的PostgreSQL实例监听在0.0.0.0:5432，并且允许来自Docker网桥（比如docker0）的连接。

编写docker-compose.yml时，里面就只声明ollama和deepseek-client两个服务，不再包含postgres。为了让deepseek-client服务能访问到宿主机的数据库，一个常见的技巧是使用extra_hosts配置，添加一条["host.docker.internal:host-gateway"]的记录。

最后，在deepseek-client的环境变量里，设置好外部数据库的连接信息，比如DB_HOST=host.docker.internal和DB_PORT=5432。服务启动后，只要在日志末尾持续看到“Writing extraction result to external PostgreSQL via host.docker.internal:5432”这样的输出，就证明整个调用和写入链路都跑通了。