Ollama 环境变量详解

Environment="OLLAMA_HOST=0.0.0.0:11434" 
解释：监听地址和端口   0.0.0.0是对IP没有限制
Environment="PATH=/usr/local/bin:/usr/bin:/bin:/usr/local/games:/usr/games"
解释：定义可执行文件的搜索路径
Environment="OLLAMA_SCHED_SPREAD=true"
解释：调用分散模式 多显卡的情况  处理多并发的情况下 可以减少时间
Environment="OLLAMA_NUM_PARALLEL=15"
解释：最大线程数，同时允许的最大处理并发数
Environment="OLLAMA_MAX_LOADED_MODELS=1"
解释：最大模型数，同时可以加载最多几个模型（我三张显卡的情况 llama3 70B，和一个27B并行  建议1-2）
Environment="OLLAMA_MODELS=/mnt/rayse/files/ollama/models"
解释：模型存储路径
Environment="OLLAMA_KEEP_ALIVE=1h"
解释：模型加载后保留的时间，超过1小时，就卸载了，就要从新加载模型。
ExecStart=/usr/bin/ollama serve
解释：启动服务的指令
User=ollama
解释：指定运行服务的用户，服务将以 ollama 用户的身份运行
Group=ollama
解释：指定运行服务的用户组，服务将属于 ollama 用户组。
Restart=always
解释：配置服务异常停止后的自动重启
RestartSec=3
解释：设置服务停止后重新启动的时间间隔
Environment="CUDA_VISIBLE_DEVICES=0,1
解释：在多张显卡的情况下只用显卡0和显卡1进行运行服务。