SSD Nodes Learn Hosting plans →
নির্দেশিকা Matt Connorদ্বারা Matt Connor

Ollama pull বনাম run: model কোথায় থাকে

ollama pull শুধু model download করে বন্ধ হয়, কিন্তু ollama run chat চালু করে। file কোথায় জমে, VPS root disk কেন ভরে এবং model কীভাবে সরাবেন তা জানুন।

ollama pull বনাম ollama run

ollama pull একটি model download করে এবং বন্ধ হয়ে যায়। Local chat model-এর ক্ষেত্রে ollama run model অনুপস্থিত থাকলেই শুধু সেটি download করে, তারপর memory-তে load করে interactive chat চালু করে। Download একই থাকে এবং file-গুলো একই জায়গায় সংরক্ষিত হয়। শুধু run এরপরও চলতে থাকে। Chat অংশের ক্ষেত্রে embedding model ব্যতিক্রম: official documentation-এ দেখা যায়, উত্তর দেওয়ার পরিবর্তে ollama run embeddinggemma "Hello world" embedding-কে JSON array হিসেবে print করে। Input text না দিলে ollama run embedding models require input text error দিয়ে embedding model প্রত্যাখ্যান করে।

এই একটি পার্থক্যই ঠিক করে কোন command script-এ থাকবে এবং কোনটি keyboard-এ বসে চালাতে হবে।

ollama pull gemma4
ollama run gemma4
ollama run gemma4 "Reply with one word: ready"

প্রথম line-টি model fetch করে এবং exit করে, তাই provisioning ও systemd unit-এ এটি নিরাপদ। দ্বিতীয়টি একটি chat session চালু করে; বের হতে /bye type করুন অথবা Ctrl+D চাপুন। তৃতীয়টি একটি single prompt পাঠায়, উত্তর print করে এবং exit করে। Session-এর বদলে কোনো উত্তর প্রয়োজন হলে script-এর জন্য এটাই উপযুক্ত রূপ। এই তৃতীয় রূপেও উত্তরের দৈর্ঘ্য পুরোপুরি model-এর ওপর নির্ভর করে। তাই one-line question-এর উত্তরে তিনটি paragraph আসতে পারে। num_predict দিয়ে উত্তরের সীমা নির্ধারণ করলে scripted run এমন একটি size-এর মধ্যে থাকে, যা caller বাস্তবে ব্যবহার করতে পারে। Model name দ্রুত পরিবর্তিত হয়। তাই এখানে gemma4-কে একটি placeholder হিসেবে বিবেচনা করুন। October 2026 অনুযায়ী এটি official Ollama documentation-এ ব্যবহৃত example। একই workflow-এর জন্য অন্য কোনো local chat model বসান। :cloud দিয়ে শেষ হওয়া tag, যেমন gemma4:cloud, আলাদা: Ollama model weight download না করেই এগুলো নিজের server-এ চালায়। তাই নিচে দেওয়া disk space-এর হিসাব local model-এর জন্য। ইতিমধ্যে কোনো বাস্তব server-এর প্রয়োজন অনুযায়ী আকার নির্ধারণ করা model ব্যবহার করতে চাইলে, VPS-এ Nemotron 3.5 Lightning চালানো অংশে pull করার exact tag এবং প্রয়োজনীয় memory দেওয়া আছে।

প্রথম ollama run কেন আটকে গেছে বলে মনে হয়

নতুন VPS-এ প্রথম run কয়েক মিনিট কোনো output ছাড়াই চলতে পারে। এতে কোনো সমস্যা হয়নি। Model disk-এ সংরক্ষিত এবং memory-তে loaded না হওয়া পর্যন্ত chat prompt দেখা যায় না। তাই run প্রথমে কয়েক gigabyte download করে।

দুটি কারণে এই কাজটি চোখে পড়ে না। Ollama progress bar standard error-এ লেখে। তাই কোনো জায়গায় এই stream বাতিল করে দেওয়া হলে বা পরে পড়া হলে, যেমন 2>/dev/null-এ শেষ হওয়া script অথবা cron job-এ, download চলছে কি না তা বোঝার কোনো বার্তা থাকে না। এরপর bytes disk-এ লেখা হলেও first token দেখানোর আগে file-টি disk থেকে RAM-এ পড়তে হয়। ছোট VPS-এ এই read ধীর হতে পারে। Model-এর জন্য পর্যাপ্ত memory না থাকলে kernel swapping শুরু করে এবং অপেক্ষার সময় আরও বেড়ে যায়।

অনুমান না করে দ্বিতীয় session থেকে এটি দেখুন:

df -h /
watch -n5 df -h /

নতুন box-এ free space ধাপে ধাপে কমতে থাকলে download এখনও চলছে। Command চলমান থাকা অবস্থায় free space কমা বন্ধ হয়ে গেলেই loading শুরু হয়েছে—এমন সিদ্ধান্তে আসা যায় না। Download শেষ হওয়ার পর Ollama আলাদা একটি verifying sha256 digest phase চালায়। এই phase-এ manifest লেখা এবং pull সম্পূর্ণ করার আগে file-গুলো পড়া হয়। যে box-এ আগে থেকেই model ছিল, সেটি Ollama 0.40.2-এ বিভ্রান্তিকর হতে পারে। পুরোনো version দিয়ে download করা model-এর first run-এ Ollama background-এ একটি upgraded copy লিখত এবং original-টিকে backup হিসেবে রাখত। তাই কোনো download না চললেও free space কমতে পারত। 11 October 2026-এ released Ollama 0.40.3 এই background upgrade pause করেছে।

এ কারণেই আগে থেকেই pull করে রাখা উচিত। যে ব্যক্তি ollama run টাইপ করে, তারই download-এর খরচ বহন করা উচিত নয়।

অনুরোধ আসার আগেই মডেল pull করুন

ব্যক্তি নয়—এমন যেকোনো কিছুর ক্ষেত্রেও একই নিয়ম প্রযোজ্য: আপনার Ollama endpoint-এ নির্দেশ করা একটি coding agent অনুরোধ করা local model আগে pull করা না থাকলে model-not-found error পায়; inference request মডেলটি download করে না। নতুন box-এ server install করা একই script-এ model-টি pull করুন:

curl -fsSL https://ollama.com/install.sh | sh
ollama pull gemma4

আপনি যদি প্রথমবার server চালু করেন, VPS-এ সম্পূর্ণ Ollama install-এ service এবং কারা এতে পৌঁছাতে পারবে—দুটিই ব্যাখ্যা করা হয়েছে। এরপর যে বিষয়টি সেটআপ করা গুরুত্বপূর্ণ, তা হলো এমন একটি pull, যা আপনার terminal বন্ধ হলেও চলতে থাকে। কারণ download মাঝপথে বন্ধ হয়ে গেলে model store আংশিকভাবে পূর্ণ হয়ে যেতে পারে।

এটি tmux-এর ভিতরে চালান, অথবা boot-এর সময় চলা one-shot unit হিসেবে systemd-কে দিন। /etc/systemd/system/ollama-pull.service লিখুন:

[Unit]
Description=Pre-pull Ollama models
Wants=ollama.service network-online.target
After=ollama.service network-online.target

[Service]
Type=oneshot
RemainAfterExit=yes
ExecStart=/bin/sh -c 'until ollama list >/dev/null 2>&1; do sleep 2; done'
ExecStart=/bin/sh -c 'ollama pull gemma4'

[Install]
WantedBy=multi-user.target

উভয় command-ই ইচ্ছাকৃতভাবে /bin/sh -c-এর মাধ্যমে চলে। সরাসরি ExecStart= একটি absolute path অথবা systemd-এর নির্দিষ্ট search path দিয়ে resolve করা সাধারণ executable name গ্রহণ করে; command -v ollama আপনার বর্তমান shell যে path খুঁজে পায় তা দেখায়। Shell ব্যবহার করলে guide থেকে copy করা path-এর বদলে service-এর PATH ব্যবহৃত হয়। প্রথম ExecStart-ও গুরুত্বপূর্ণ: After=ollama.service মানে server unit শুরু হয়েছে, server ready হয়েছে—এমন নয়। তাই pull শুরু করার আগে loop-টি ollama list-এর উত্তর পাওয়া পর্যন্ত অপেক্ষা করে।

sudo systemctl daemon-reload
sudo systemctl enable --now ollama-pull.service
journalctl -u ollama-pull.service

Journal-এ কোনো error ছাড়া pull শেষ হওয়ার তথ্য দেখা উচিত, এবং এরপর ollama list মডেলটি দেখানো উচিত। পরিবর্তনশীল tag বর্তমান রাখতে একই pull চালানোর জন্য একটি systemd timer বা weekly cron entry যোগ করুন। পরিবর্তিত tag আবার pull করলে নতুন layer download হয় এবং বেশিরভাগ model-এর ক্ষেত্রে একই pull-এর শেষে অন্য কোনো কিছু ব্যবহার না করা পুরোনো layer মুছে যায়।

পুল বাধাগ্রস্ত হলে কী ঘটে

মডেলের প্রতিটি layer তার নিজস্ব contents-এর hash-এর অধীনে সংরক্ষিত থাকে। তাই বাধাগ্রস্ত pull-এর কাজ নষ্ট হয় না: একই ollama pull আবার চালান। ইতিমধ্যে সম্পন্ন layer-গুলো শনাক্ত করে বাদ দেওয়া হবে, এবং ডাউনলোড বন্ধ হয়ে যাওয়া layer থেকে আবার শুরু হবে।

একটি কাজ সেই অগ্রগতি নষ্ট করতে পারে। Ollama server শুরু হলে এমন partial download এবং stored layer মুছে ফেলে, যেগুলো কোনো model manifest-এ উল্লেখ নেই। ব্যর্থ pull-এর পরে পড়ে থাকা অংশগুলো ঠিক এই শ্রেণির। বর্তমান release-গুলোতে (0.40.11, 26 October 2026-এ যাচাই করা) গত এক ঘণ্টায় লেখা কোনো file বাদ দেওয়া হয় না। তাই pull ব্যর্থ হওয়ার পরপরই restart করলে সমস্যা হয় না। কিন্তু কয়েক ঘণ্টা পরে restart করলে ইতিমধ্যে download করা অংশটি মুছে যাবে। আগে pull-টি retry করুন, পরে restart করুন। কোনো partial download-কে সত্যিই restart-এর পরও রাখতে হলে service environment-এ OLLAMA_NOPRUNE=1 সেট করুন। কাজ শেষ হলে এটি সরিয়ে দিন, কারণ এই variable প্রতিটি pull-এর শেষে cleanup-ও বন্ধ করে দেয়। Disk-এ orphaned layer জমা হওয়া ঠেকাতে এই দুই ধরনের cleanup প্রয়োজন।

no space left on device দিয়ে pull ব্যর্থ হলে retry করার আগে পর্যাপ্ত space খালি করুন। df যদি full disk দেখায় এবং model directory-তে du সেই space-এর হিসাব না মেলায়, space অন্য কোথাও ব্যবহৃত হয়েছে। কিছু মুছে ফেলার আগে df এবং du-এর হিসাব কেন মেলে না তার কারণ পড়ুন।

Ollama একটি VPS-এ মডেলগুলো কোথায় সংরক্ষণ করে?

কোনো গাইড বা এই নথির ওপর নির্ভর না করে সরাসরি আপনার সার্ভারকে জিজ্ঞাসা করুন। প্যাকেজ ইনস্টলেশন এবং কন্টেইনারের ক্ষেত্রে এই লোকেশন ভিন্ন হয় এবং কেউ যদি OLLAMA_MODELS সেট করে থাকে তবে সেটি আবারও পরিবর্তিত হয়।

systemctl cat ollama.service
getent passwd ollama
sudo find / -xdev -type d -name blobs 2>/dev/null

systemctl cat কমান্ডটি প্রতিটি ড্রপ-ইনসহ ইউনিট ফাইলটি প্রদর্শন করে, তাই আপনার সেট করা বা ইমেজে আগে থেকে থাকা কোনো OLLAMA_MODELS লাইন সেখানে দেখা যাবে। যদি এমন কোনো লাইন না থাকে, তবে স্টোরটি সেই অ্যাকাউন্টের হোম ডিরেক্টরির অধীনে থাকে যেটিতে সার্ভিসটি চলছে, এবং getent passwd কমান্ডটি কোলন-বিভাজিত ষষ্ঠ ফিল্ডে সেই হোম ডিরেক্টরি প্রদর্শন করে। find কমান্ডটি ফাইলসিস্টেমে blobs ডিরেক্টরি খুঁজে বের করে, যেখানে মূলত লেয়ারগুলো লেখা হয়। যদি মডেলগুলো আগে থেকেই আলাদা কোনো মাউন্টে থাকে তবে -xdev বাদ দিন।

এখন পরিমাপ করুন এবং আপনার নিজের সার্ভারের তথ্য দেখুন:

ollama list
df -h /
sudo du -sh /the/directory/you/found
sudo du -h -d1 /the/directory/you/found

স্টোরে দুই ধরনের কন্টেন্ট থাকে। ম্যানিফেস্ট ডিরেক্টরিগুলোতে (manifests, বর্তমান রিলিজগুলোতে manifests-v2 দ্বারা যুক্ত) ছোট ছোট ফাইল থাকে যা প্রতিটি মডেল ট্যাগের জন্য প্রয়োজনীয় লেয়ারগুলোর তালিকা রাখে। blobs-এ লেয়ারগুলো থাকে, যার প্রতিটি তার কন্টেন্টের হ্যাশ অনুযায়ী নামযুক্ত এবং স্টোরেজের প্রায় পুরো অংশই এখানে ব্যবহৃত হয়। যেহেতু লেয়ারগুলো বিভিন্ন ট্যাগের মধ্যে শেয়ার করা হয়, তাই একই ওয়েট (weights) দিয়ে তৈরি দুটি মডেল ollama list-এ তাদের নিজস্ব সাইজ দেখালেও ডিস্কে একবারই জায়গা দখল করে। ফলে, তালিকাভুক্ত সাইজগুলোর যোগফল du-এর রিপোর্ট করা ডিরেক্টরি সাইজের চেয়ে বেশি হতে পারে। Ollama 0.40.2-এর ক্ষেত্রে একটি ভিন্ন পরিস্থিতি দেখা যায়: ব্যাকগ্রাউন্ডে আপগ্রেড হওয়া মডেলগুলো তাদের মূল কপি ব্যাকআপ হিসেবে ডিস্কে রেখে দেয়, যা ollama list দুবার দেখায় না, তাই du তালিকার চেয়ে অনেক বেশি সাইজ দেখাতে পারে। 0.40.2 রিলিজ নোটে একটি স্ক্রিপ্ট দেওয়া আছে যা শুধুমাত্র সেই ব্যাকআপগুলো মুছে ফেলে।

মডেল ফাইলগুলো একটি ছোট VPS রুট ফাইলসিস্টেমকে অন্য যেকোনো কিছুর চেয়ে দ্রুত পূর্ণ করে ফেলে এবং এদের সাইজ নিয়ন্ত্রণের সবচেয়ে বড় উপায় হলো ওয়েট ফরম্যাট। q4, q8 এবং fp16-এর মধ্যে নির্বাচন প্রতিটি মডেলের ক্ষেত্রে গিগাবাইট পর্যন্ত জায়গা বাঁচাতে সাহায্য করতে পারে।

OLLAMA_MODELS ব্যবহার করে মডেলগুলো data volume-এ সরান

পরিকল্পনায় দ্বিতীয় disk বা বড় data volume থাকলে root filesystem পূর্ণ হওয়ার আগেই store সরান। প্রথমে server বন্ধ করুন, যাতে এখনও লেখা হচ্ছে এমন কোনো file copy না হয়।

sudo systemctl stop ollama
sudo mkdir -p /mnt/data/ollama-models
sudo rsync -a /the/directory/you/found/ /mnt/data/ollama-models/
sudo chown -R ollama:ollama /mnt/data/ollama-models
sudo systemctl edit ollama.service

systemctl edit একটি drop-in file-এ editor খোলে। ফলে packaged unit অপরিবর্তিত থাকে এবং package upgrade আপনার পরিবর্তন মুছে ফেলতে পারে না। এই দুটি line যোগ করুন:

[Service]
Environment="OLLAMA_MODELS=/mnt/data/ollama-models"
sudo systemctl daemon-reload
sudo systemctl restart ollama
systemctl show ollama --property=Environment
ollama list

systemctl show আপনার নতুন path দেখাবে। ollama list move করার আগে যে model-গুলো দেখাত, সেগুলোই দেখানো উচিত। তালিকা খালি হলে দেখুন নতুন directory-তে copy করা store আছে কি না এবং server সেটি পড়তে পারে কি না। service-টি ollama user হিসেবে চলে। তাই destination-এ ওই user-এর read ও write access দরকার। উপরের chown line এই access দেওয়ার কাজ করে। নতুন path উল্লেখ করে এমন permission error আছে কি না দেখতে journalctl -e -u ollama পরীক্ষা করুন। তালিকা সঠিক না হওয়া পর্যন্ত পুরোনো copy মুছবেন না। কারণ move ব্যর্থ হওয়ার পর source মুছে ফেললে সবকিছু আবার download করতে হবে।

অন্য বিকল্পে original path অপরিবর্তিত থাকে এবং data volume-টি সেই path-এর ওপর mount করা হয়:

echo '/mnt/data/ollama-models /the/directory/you/found none bind 0 0' | sudo tee -a /etc/fstab
sudo mount -a
findmnt /the/directory/you/found
df -h /

findmnt mount দেখালে bind সক্রিয় আছে। box-এর অন্য কোনো অংশ যদি আগে থেকেই default location প্রত্যাশা করে, bind mount তখন সহায়ক। তবে এখানে একটি সমস্যা আছে: copy করা file-গুলো mount point-এর নিচে root disk-এ থেকেই যায়। mount সেগুলো আড়াল করে রাখে। তাই unmount করে ওই file মুছে না ফেলা পর্যন্ত disk space ফেরত পাওয়া যায় না। পরেরবার যে user login করবে, তাকে বোঝানোর দিক থেকে environment variable ব্যবহার করাই সহজ।

কনটেইনার এগুলো যেখানে রাখে

Official image মডেলগুলো আপনার mount করা storage-এ রাখে, কোনো ollama user-এর মালিকানাধীন host directory-তে নয়। নথিভুক্ত run command হলো:

docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

Colon-এর আগে থাকা ollama একটি named Docker volume, এবং /root/.ollama হলো container-এর ভেতরের সেই পথ, যেখানে server লিখে। তাই আগের section-এর path ব্যবহার করে du চালালে কিছুই পাওয়া যায় না, কারণ সেখানে কোনো ফাইল নেই। প্রকৃত location এবং size দেখুন:

docker volume inspect ollama
docker system df -v
docker exec -it ollama ollama list

docker volume inspect-এর Mountpoint field পড়ুন, তারপর সেই path-এর বিরুদ্ধে sudo du -sh চালান। মডেলগুলো কোনো data volume-এ রাখতে চাইলে named volume-এর বদলে একটি host directory (-v /mnt/data/ollama:/root/.ollama) দিন এবং container পুনরায় তৈরি করুন। Container root হিসেবে write করে, তাই host directory-টির মালিকানা root-এর হয়। Rootless Podman-এ container root ডিফল্টভাবে আপনার host user-এর UID এবং GID-তে map হয়, আর অন্যান্য container ID subordinate range ব্যবহার করে: rootless Podman-এ Ollama চালানো-এ এই mapping ব্যাখ্যা করা হয়েছে।

Cleanup নিয়ে একটি সতর্কতা আছে। সাধারণ docker volume prune শুধু anonymous volume সরায়, তাই named ollama volume থেকে যায়। কিন্তু docker volume prune --all এমন সব volume সরিয়ে দেয়, যেগুলো কোনো container ব্যবহার করে না; এর মধ্যে named volume-ও থাকে। Volume ছাড়া ollama container সরিয়ে ফেললে বা পুনরায় তৈরি করলে, পরে prune --all চালানোর মাধ্যমে ডাউনলোড করা প্রতিটি model মুছে যাবে। সেগুলো আবার ডাউনলোড করা ছাড়া আর কোনো উপায় থাকবে না। Model থাকা কোনো VPS-এ prune চালানোর আগে VPS-এ Docker disk usage prune করার পদ্ধতি পড়ুন।

rm দিয়ে নয়, ollama rm দিয়ে model সরান

ollama list
ollama rm gemma4
ollama list
df -h /

ollama rm ওই tag-এর manifest মুছে দেয়। এরপর কোনো অবশিষ্ট manifest যে layer-গুলোর উল্লেখ করে না, সেগুলো মুছে দেয়। ফাইল unlink হওয়ার সঙ্গে সঙ্গেই disk space ফিরে আসে। তাই df সঙ্গে সঙ্গে এগিয়ে যায়। layer-গুলো shared হওয়ায়, কাছাকাছি সম্পর্কযুক্ত দুটি tag-এর একটি সরালে তার পাশে ollama list যে size দেখায়, তার তুলনায় অনেক কম space মুক্ত হতে পারে। এটি স্বাভাবিক আচরণ, delete ব্যর্থ হওয়ার লক্ষণ নয়।

হাতে ফাইল মুছে ফেললে এই জোড়ার সামঞ্জস্য নষ্ট হয়। rm দিয়ে একটি blob সরালে manifest-এ সেটির উল্লেখ থেকে যায়। ফলে ollama list model-টি দেখাতেই থাকে, কিন্তু missing layer পড়ার সময় সেটি ব্যবহার করার যেকোনো চেষ্টা ব্যর্থ হয়। হাতে একটি manifest সরালে তার layer-গুলো disk-এ থেকে যায়, কিন্তু সেগুলোর দিকে আর কোনো reference থাকে না। এতে এমন space আটকে থাকে, যা কোনো Ollama command আপনাকে দেখাবে না। আপনি যদি ইতিমধ্যে একটি blob মুছে থাকেন, tag-এর ওপর ollama rm চালালে অবশিষ্ট entry-টি সরবে। আর manifest মুছে ফেললে অপসারণের মতো কোনো tag entry অবশিষ্ট থাকে না। কোনো layer-এর দিকে reference না থাকলে এবং সেটি এক ঘণ্টার বেশি পুরোনো হলে server restart সেই layer মুছে দেয়।

শেষে একটি পার্থক্য মনে রাখুন, কারণ দুটি বিষয় প্রায়ই গুলিয়ে ফেলা হয়। ollama rm disk নিয়ে কাজ করে। ollama stop gemma4 model-টিকে memory থেকে unload করে, কিন্তু disk space একেবারেই মুক্ত করে না। download শেষ হওয়ার পরে model কতক্ষণ RAM-এ resident থাকবে, সেটি আলাদা একটি setting। প্রতিটি request-এর সময় আবার load না করে model loaded রাখা অংশে এই বিষয়টি ব্যাখ্যা করা হয়েছে।

FAQ

ollama pull এবং ollama run-এর মধ্যে পার্থক্য কী?

ollama pull একটি model disk-এ download করে এবং বন্ধ হয়ে যায়। ollama run model-টি disk-এ আগে থেকেই আছে কি না পরীক্ষা করে; না থাকলে download করে, memory-তে load করে এবং chat model হলে একটি interactive chat session খোলে। উভয় command একই directory-তে একই file লেখে। Provisioning ও script-এ pull ব্যবহার করুন, আর keyboard-এর সামনে কোনো ব্যক্তি থাকলে run ব্যবহার করুন। ollama run <model> "your prompt" একটি prompt পাঠিয়ে বন্ধ হয়ে যায়; এটি run-এর script-এ ব্যবহারযোগ্য রূপ।

আমার প্রথম ollama run কি আটকে গেছে?

এটি download, download যাচাই বা model load করার কাজ করতে পারে। Model disk-এ থাকা এবং memory-তে load হওয়ার আগে chat prompt দেখা যায় না। একটি model-এর আকার কয়েক gigabyte হতে পারে। Ollama progress bar standard error-এ লেখে। তাই stream-টি বাতিল করা কোনো script-এর ভেতরের run, অথবা cron job-এ চলা run, কাজ চলার সময় কিছুই দেখায় না। দ্বিতীয় একটি session খুলে watch -n5 df -h / চালান। নতুন প্রস্তুত করা box-এ free space ধাপে ধাপে কমলে বুঝবেন download চলছে। Download ও verification-এর অপেক্ষা এড়াতে আগে থেকেই model pull করুন। তবে loading-এর জন্য তবুও সময় লাগবে।

Ollama তার model কোথায় সংরক্ষণ করে?

Install পদ্ধতির ওপর location নির্ভর করে। তাই অনুমান না করে location দেখুন। Unit বা drop-in-এ OLLAMA_MODELS set আছে কি না দেখতে systemctl cat ollama.service চালান। সেটি না থাকলে store service যে account হিসেবে চলে, সেই account-এর home directory-র অধীনে থাকে; getent passwd ollama ওই directory দেখায়। Layer directory সরাসরি খুঁজে পেতে sudo find / -xdev -type d -name blobs 2>/dev/null ব্যবহার করুন। Container image-এর ক্ষেত্রে store mounted volume-এর ভেতরে থাকে, এবং docker volume inspect ollama তার host Mountpoint দেখায়।

Ollama model অন্য disk-এ কীভাবে সরাব?

Service বন্ধ করুন। rsync -a ব্যবহার করে store-টি নতুন location-এ copy করুন। sudo chown -R ollama:ollama <directory> দিয়ে directory-টির ownership service account-কে দিন। এরপর sudo systemctl edit ollama.service চালিয়ে একটি [Service] line-এর অধীনে Environment="OLLAMA_MODELS=<directory>" যোগ করুন। sudo systemctl daemon-reload দিয়ে reload করে service restart করুন। systemctl show ollama --property=Environment এবং ollama list দিয়ে নিশ্চিত করুন। তালিকা খালি থাকলে পরীক্ষা করুন যে নতুন directory-তে copy করা store আছে এবং ollama user সেটি পড়তে পারে। Permission error-এর জন্য journalctl -e -u ollama দেখুন।

Model file মুছে ফেললে কি disk space খালি হয়?

হাতে file মুছলে byte খালি হয়, কিন্তু store-এর সামঞ্জস্য নষ্ট হয়। কোনো blob মুছে ফেললেও manifest-এ model-টির তালিকা থেকে যায়। তাই এটি ollama list-এ দেখা যেতে থাকে এবং ব্যবহার করলে ব্যর্থ হয়। কোনো manifest মুছে ফেললে তার layer-গুলো disk-এ থেকে যায়, কিন্তু সেগুলোর প্রতি আর কোনো reference থাকে না। ollama rm <model> ব্যবহার করুন। এটি manifest মুছে ফেলার পর অন্য কোনো model-এর প্রয়োজন নেই এমন layer-ও মুছে দেয়। কোনো blob আগে হাতে মুছে ফেলা হয়ে থাকলে entry সরাতে tag-এ ollama rm চালান। Manifest মুছে ফেলা হলে অপসারণের মতো কোনো tag entry আর থাকে না। কোনো manifest যে layer-কে reference করে না, সেগুলো এক ঘণ্টার বেশি পুরোনো হলে সরাতে server restart করুন।

এই লেখাটি কি কাজে লেগেছে?