新闻详情

新闻详情

首页 / 资讯中心 / 详情

Scholarsome本地部署教程:在Ubuntu服务器上搭建私人学习平台

发布时间:2026/10/26 19:14:05来源:尧图网络
Scholarsome本地部署教程:在Ubuntu服务器上搭建私人学习平台
Scholarsome本地部署教程在Ubuntu服务器上搭建私人学习平台【免费下载链接】scholarsomeWeb-based interactive flashcard learning software项目地址: https://gitcode.com/gh_mirrors/sc/scholarsomeScholarsome是一款基于Web的交互式闪卡学习软件通过本地部署可以搭建专属的私人学习平台。本文将详细介绍如何在Ubuntu服务器上通过Docker Compose快速部署Scholarsome让你拥有一个功能完整的个人学习系统。 准备工作部署前的必要检查在开始部署Scholarsome之前需要确保你的Ubuntu服务器满足以下条件Ubuntu 20.04或更高版本的操作系统至少2GB内存和20GB可用磁盘空间已安装Docker和Docker ComposeDocker是Scholarsome官方推荐的部署方式也是唯一的必要依赖。如果你的服务器尚未安装Docker可以通过以下命令快速安装# 更新软件包索引 sudo apt update # 安装Docker依赖 sudo apt install -y apt-transport-https ca-certificates curl software-properties-common # 添加Docker官方GPG密钥 curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - # 添加Docker软件源 sudo add-apt-repository deb [archamd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable # 安装Docker和Docker Compose sudo apt update sudo apt install -y docker-ce docker-compose-plugin # 将当前用户添加到docker组避免每次使用sudo sudo usermod -aG docker $USER安装完成后建议注销并重新登录使Docker用户组设置生效。 快速部署使用Docker Compose一键搭建Docker Compose是官方推荐的部署方式它不需要额外配置数据库所有依赖都通过容器化方式管理。以下是详细步骤1. 创建专用目录首先创建一个用于存放Scholarsome配置和数据的目录mkdir ~/scholarsome cd ~/scholarsome2. 下载配置文件获取官方提供的Docker Compose配置文件wget https://raw.githubusercontent.com/hwgilbert16/scholarsome/release/compose.yml3. 配置环境变量下载环境变量示例文件并创建正式配置wget https://raw.githubusercontent.com/hwgilbert16/scholarsome/release/.env.compose.example cp .env.compose.example .env使用文本编辑器打开.env文件进行配置nano .env需要重点配置的核心参数如下参数名称说明推荐值NODE_ENV运行模式生产环境推荐设为productionproductionDATABASE_PASSWORD数据库密码建议使用强随机密码自动生成的复杂密码JWT_SECRET用于加密的密钥建议使用强随机字符串自动生成的复杂字符串HTTP_PORT访问端口默认8080HOST服务器域名或IP不要包含http://yourdomain.com或服务器IPSTORAGE_TYPE媒体存储方式本地存储设为locallocal配置完成后保存并退出编辑器。4. 启动服务使用以下命令在后台启动Scholarsome服务docker compose --env-file .env up -d首次启动会自动下载所需镜像可能需要几分钟时间。启动成功后可以通过以下命令检查容器状态docker compose ps如果所有服务状态都显示为Up说明部署成功图1Scholarsome闪卡学习界面展示 - 在Ubuntu服务器上部署后即可获得的交互式学习体验 进阶配置SSL证书与外部访问如果需要通过HTTPS访问Scholarsome或从外部网络访问还需要进行以下额外配置配置SSL证书打开compose.yml文件nano compose.yml找到并取消注释以下行大约在第29行# - (your ssl port):8443将(your ssl port)替换为你想要使用的SSL端口通常是443- 443:8443在.env文件中添加SSL证书的Base64编码内容SSL_KEY_BASE64你的SSL私钥Base64编码 SSL_CERT_BASE64你的SSL证书Base64编码防火墙设置如果服务器启用了防火墙需要开放相应端口# 开放HTTP端口 sudo ufw allow 80/tcp # 开放HTTPS端口如果配置了SSL sudo ufw allow 443/tcp✨ 开始使用访问与初始设置部署完成后通过浏览器访问服务器的IP地址或域名根据.env文件中的HOST配置如果使用默认HTTP端口http://你的服务器IP或域名如果配置了HTTPShttps://你的服务器IP或域名首次访问时系统会引导你创建管理员账户。创建完成后你可以开始使用Scholarsome的全部功能包括创建和管理学习集使用闪卡进行记忆练习组织学习内容到文件夹导入/导出学习材料图2Scholarsome学习集管理界面 - 部署后可立即创建和管理你的学习内容 官方文档与资源Scholarsome提供了详细的官方文档可帮助你深入了解更多功能和配置选项完整安装指南apps/docs/docs/installation/installing.md开发指南apps/docs/docs/development/development-guide.md使用教程apps/docs/docs/usage/overview.md️ 常见问题解决服务无法启动怎么办检查容器日志以获取详细错误信息docker compose logs如何更新Scholarsome进入部署目录并执行以下命令docker compose pull docker compose down docker compose --env-file .env up -d数据存储在何处使用Docker Compose部署时所有数据包括数据库和媒体文件都存储在Docker卷中位于/var/lib/docker/volumes/目录下。 总结通过Docker Compose在Ubuntu服务器上部署Scholarsome是一个简单高效的过程只需几个步骤就能搭建起功能完善的私人学习平台。无论是学生、教师还是终身学习者Scholarsome都能帮助你更高效地组织和记忆知识。现在就开始你的本地部署之旅打造专属的学习空间吧【免费下载链接】scholarsomeWeb-based interactive flashcard learning software项目地址: https://gitcode.com/gh_mirrors/sc/scholarsome创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/25 3:20:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/25 3:43:49

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/26 12:48:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/26 10:03:11

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/25 3:54:32

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/25 5:32:24

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉