ความแตกต่างระหว่าง ollama pull และ ollama run คืออะไร
เรียนรู้ความแตกต่างระหว่างคำสั่ง ollama pull และ ollama run พร้อมวิธีจัดการไฟล์โมเดลที่กินพื้นที่ดิสก์บน VPS และตำแหน่งจัดเก็บไฟล์จริงที่คุณต้องทราบเพื่อย้ายข้อมูล
ollama pull กับ ollama run
ollama pull จะดาวน์โหลดโมเดลแล้วหยุดการทำงาน สำหรับโมเดลแชทในเครื่อง ollama run จะดาวน์โหลดโมเดลเฉพาะในกรณีที่ยังไม่มีไฟล์ในเครื่อง จากนั้นจะโหลดโมเดลเข้าสู่หน่วยความจำและเปิดหน้าต่างแชทแบบโต้ตอบ การดาวน์โหลดนั้นเหมือนกันทุกประการและไฟล์จะถูกเก็บไว้ในตำแหน่งเดียวกัน มีเพียง run เท่านั้นที่ทำงานต่อหลังจากนั้น โมเดลประเภท embedding เป็นข้อยกเว้นในส่วนของการแชท: เอกสารอย่างเป็นทางการแสดงให้เห็นว่า ollama run embeddinggemma "Hello world" จะพิมพ์ค่า embedding ออกมาเป็น JSON array แทนที่จะเป็นการตอบโต้ หากไม่มีข้อความอินพุต ollama run จะปฏิเสธการทำงานกับโมเดล embedding พร้อมกับแจ้งข้อผิดพลาด embedding models require input text
ความแตกต่างเพียงจุดเดียวนี้เป็นตัวตัดสินว่าคำสั่งใดควรใช้ในสคริปต์และคำสั่งใดควรใช้ผ่านคีย์บอร์ด
ollama pull gemma4
ollama run gemma4
ollama run gemma4 "Reply with one word: ready"บรรทัดแรกจะดึงโมเดลมาแล้วจบการทำงาน จึงปลอดภัยที่จะใช้ในการจัดเตรียมระบบ (provisioning) และใน systemd unit ส่วนบรรทัดที่สองจะเปิดเซสชันแชท ให้พิมพ์ /bye หรือกด Ctrl+D เพื่อออกจากเซสชัน บรรทัดที่สามจะส่ง prompt เพียงชุดเดียว พิมพ์คำตอบแล้วจบการทำงาน ซึ่งเป็นรูปแบบที่สคริปต์ต้องการเมื่อต้องการคำตอบแทนที่จะเป็นเซสชันโต้ตอบ รูปแบบที่สามนี้ยังคงปล่อยให้ความยาวของคำตอบขึ้นอยู่กับโมเดลทั้งหมด ดังนั้นคำถามบรรทัดเดียวอาจได้คำตอบกลับมาเป็นสามย่อหน้า และ การจำกัดคำตอบด้วย num_predict คือสิ่งที่ช่วยให้การใช้ run ในสคริปต์อยู่ในขนาดที่ผู้เรียกใช้งานสามารถนำไปใช้ต่อได้จริง ชื่อโมเดลมีการเปลี่ยนแปลงอย่างรวดเร็ว ดังนั้นให้ถือว่า gemma4 ในที่นี้เป็นเพียงตัวอย่างชั่วคราว ซึ่งเป็นตัวอย่างที่เอกสารอย่างเป็นทางการของ Ollama ใช้ ณ เดือนตุลาคม 2026 คุณสามารถแทนที่ด้วยโมเดลแชทในเครื่องตัวอื่นสำหรับขั้นตอนการทำงานเดียวกันได้ แท็กที่ลงท้ายด้วย :cloud เช่น gemma4:cloud จะมีความแตกต่างออกไป: Ollama จะรันโมเดลเหล่านั้นบนเซิร์ฟเวอร์ของตนเองโดยไม่ต้องดาวน์โหลด weight ของโมเดล ดังนั้นพื้นที่ดิสก์ที่ระบุด้านล่างจึงเป็นพื้นที่สำหรับโมเดลในเครื่องเท่านั้น หากคุณต้องการแทนที่ด้วยโมเดลที่มีการปรับขนาดเทียบกับเซิร์ฟเวอร์จริงไว้แล้ว การรัน Nemotron 3.5 Lightning บน VPS จะระบุแท็กที่แน่นอนในการดึงข้อมูลและหน่วยความจำที่โมเดลต้องการใช้งาน
เหตุใดการรัน ollama ครั้งแรกจึงดูเหมือนค้าง
การรัน run ครั้งแรกบน VPS ใหม่ อาจไม่มีการแสดงผลใดๆ นานหลายนาที ซึ่งไม่ได้หมายความว่ามีสิ่งใดเสียหาย เนื่องจาก prompt สำหรับแชทจะไม่ปรากฏจนกว่าโมเดลจะถูกดาวน์โหลดลงดิสก์และโหลดเข้าสู่หน่วยความจำ ดังนั้น run จึงกำลังดาวน์โหลดข้อมูลขนาดหลายกิกะไบต์ก่อนที่จะแสดงผลลัพธ์ให้คุณเห็น
มีสองปัจจัยที่ทำให้การทำงานนี้ไม่แสดงออกมา Ollama จะเขียนแถบความคืบหน้าไปยัง standard error ดังนั้นในกรณีที่ stream ดังกล่าวถูกละทิ้งหรือถูกอ่านหลังจากเสร็จสิ้นแล้ว เช่น สคริปต์ที่จบด้วย 2>/dev/null หรือ cron job คุณจะไม่ได้รับแจ้งว่าการดาวน์โหลดกำลังดำเนินอยู่ นอกจากนี้ เมื่อดาวน์โหลดข้อมูลเสร็จสิ้น ไฟล์ยังต้องถูกอ่านจากดิสก์เข้าสู่ RAM ก่อนที่จะสร้าง token แรก ซึ่งบน VPS ขนาดเล็ก การอ่านข้อมูลนี้จะช้า หากเครื่องไม่มีหน่วยความจำเพียงพอสำหรับโมเดล เคอร์เนลจะเริ่มทำ swapping และระยะเวลารอคอยจะนานขึ้นมาก
ให้ตรวจสอบจาก session ที่สองแทนการคาดเดา:
df -h /
watch -n5 df -h /บนเครื่องใหม่ หากพื้นที่ว่างลดลงเป็นระยะ แสดงว่าการดาวน์โหลดกำลังดำเนินอยู่ การที่พื้นที่ว่างหยุดลดลงในขณะที่คำสั่งยังทำงานอยู่ไม่ได้ยืนยันว่าการโหลดได้เริ่มต้นขึ้นแล้ว: หลังจากดาวน์โหลดเสร็จสิ้น Ollama จะดำเนินการในขั้นตอน verifying sha256 digest แยกต่างหาก ซึ่งจะอ่านไฟล์ก่อนที่จะเขียน manifest และเสร็จสิ้นการ pull เครื่องที่มีโมเดลอยู่แล้วอาจทำให้คุณเข้าใจผิดใน Ollama 0.40.2 ได้: การรันโมเดลที่ดาวน์โหลดด้วยเวอร์ชันเก่าเป็นครั้งแรกจะเขียนสำเนาที่อัปเกรดแล้วในเบื้องหลังและเก็บต้นฉบับไว้เป็นสำรอง ดังนั้นพื้นที่ว่างอาจลดลงโดยไม่มีการดาวน์โหลดเกิดขึ้นจริง Ollama 0.40.3 ซึ่งปล่อยออกมาเมื่อวันที่ 11 ตุลาคม 2026 ได้ระงับการอัปเกรดเบื้องหลังดังกล่าวแล้ว
นี่คือเหตุผลที่ควรทำการ pull โมเดลไว้ล่วงหน้า ผู้ที่พิมพ์คำสั่ง ollama run ไม่ควรเป็นผู้ที่ต้องรอการดาวน์โหลดในขณะนั้น
ดึงโมเดลมาไว้ก่อนที่จะมีใครเรียกใช้งาน
หลักการเดียวกันนี้ใช้กับทุกสิ่งที่ไม่ได้เป็นมนุษย์: coding agent ที่ชี้ไปยัง Ollama endpoint ของคุณ จะได้รับข้อผิดพลาด model-not-found หากโมเดลในเครื่องที่ถูกเรียกใช้งานยังไม่ได้ถูกดึงมา (pull) เพราะคำขอ inference จะไม่ทำการดาวน์โหลดโมเดลให้โดยอัตโนมัติ บนเครื่องใหม่ ให้ทำการดึงโมเดลในสคริปต์เดียวกับที่ติดตั้งเซิร์ฟเวอร์:
curl -fsSL https://ollama.com/install.sh | sh
ollama pull gemma4หากคุณกำลังตั้งค่าเซิร์ฟเวอร์เป็นครั้งแรก การติดตั้ง Ollama บน VPS แบบเต็มรูปแบบ จะครอบคลุมถึงตัว service เองและผู้ที่มีสิทธิ์เข้าถึง หลังจากนั้น สิ่งที่ควรตั้งค่าคือการดึงโมเดลที่ทำงานต่อเนื่องแม้จะปิด terminal ไปแล้ว เพราะการดาวน์โหลดที่ถูกตัดกลางคันเป็นสาเหตุที่ทำให้หลายคนมี model store ที่ข้อมูลไม่สมบูรณ์
ให้รันคำสั่งภายใน tmux หรือส่งให้ systemd จัดการในรูปแบบ one-shot unit ที่ทำงานตอนบูตเครื่อง ให้เขียนไฟล์ /etc/systemd/system/ollama-pull.service ดังนี้:
[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.targetคำสั่งทั้งสองรันผ่าน /bin/sh -c โดยเจตนา การใช้ ExecStart= เปล่าๆ จะยอมรับทั้ง absolute path หรือชื่อ executable ที่ค้นหาผ่าน search path ของ systemd; command -v ollama จะแสดง path ที่ shell ปัจจุบันของคุณค้นพบ การรันผ่าน shell จะใช้ PATH ของ service แทนการคัดลอก path มาจากคู่มือ ตัว ExecStart ตัวแรกก็มีความสำคัญเช่นกัน: After=ollama.service หมายถึง unit ของเซิร์ฟเวอร์ถูกสั่งเริ่มทำงานแล้ว ซึ่งไม่เหมือนกับสถานะพร้อมใช้งาน ดังนั้นลูปจึงรอจนกว่า ollama list จะตอบสนองก่อนที่การดึงโมเดลจะเริ่มขึ้น
sudo systemctl daemon-reload
sudo systemctl enable --now ollama-pull.service
journalctl -u ollama-pull.servicejournal ควรแสดงผลว่าการดึงโมเดลเสร็จสิ้นโดยไม่มีข้อผิดพลาด และ ollama list ควรแสดงโมเดลนั้นหลังจากนั้น เพื่อให้ tag ที่มีการอัปเดตอยู่เสมอเป็นปัจจุบัน ให้เพิ่ม systemd timer หรือ cron entry รายสัปดาห์ที่รันคำสั่งดึงโมเดลเดิม การดึง tag เดิมที่ถูกอัปเดตใหม่จะทำการดาวน์โหลดเฉพาะ layer ใหม่ และสำหรับโมเดลส่วนใหญ่ มันจะลบ layer เก่าที่ไม่มีการใช้งานออกให้โดยอัตโนมัติเมื่อการดึงโมเดลเสร็จสิ้น
เมื่อการ pull ถูกขัดจังหวะ
ทุกเลเยอร์ของโมเดลจะถูกจัดเก็บภายใต้ค่าแฮชของเนื้อหาในตัวมันเอง ดังนั้นการ pull ที่ถูกขัดจังหวะจึงไม่ใช่การทำงานที่สูญเปล่า หากคุณรันคำสั่ง ollama pull เดิมอีกครั้ง ระบบจะตรวจพบเลเยอร์ที่ดาวน์โหลดเสร็จสิ้นแล้วและข้ามไป ทำให้การดาวน์โหลดดำเนินต่อจากเลเยอร์ที่ค้างอยู่ได้ทันที
มีหนึ่งการกระทำที่สามารถทำลายความคืบหน้านี้ได้ เมื่อเซิร์ฟเวอร์ Ollama เริ่มทำงาน มันจะลบการดาวน์โหลดที่ยังไม่สมบูรณ์และเลเยอร์ที่จัดเก็บไว้ซึ่งไม่มี manifest ของโมเดลใดอ้างถึงทิ้งไป ซึ่งชิ้นส่วนที่เหลือจากการ pull ที่ตายไปนั้นก็เข้าข่ายนี้เช่นกัน เวอร์ชันปัจจุบัน (0.40.11, ตรวจสอบเมื่อ 26 ตุลาคม 2026) จะข้ามไฟล์ใดๆ ที่ถูกเขียนขึ้นภายในหนึ่งชั่วโมงล่าสุด ดังนั้นการรีสตาร์ทหลังจาก pull ล้มเหลวไม่นานจึงไม่มีอันตราย แต่การรีสตาร์ทหลังจากผ่านไปหลายชั่วโมงจะทำให้ชิ้นส่วนที่คุณดาวน์โหลดมาแล้วถูกลบทิ้ง ให้ลอง pull ใหม่อีกครั้งก่อนแล้วค่อยรีสตาร์ทในภายหลัง หากจำเป็นต้องเก็บการดาวน์โหลดที่ยังไม่สมบูรณ์ไว้หลังการรีสตาร์ทจริงๆ ให้ตั้งค่า OLLAMA_NOPRUNE=1 ใน environment ของ service แล้วค่อยนำออกในภายหลัง เนื่องจากตัวแปรดังกล่าวจะปิดการล้างข้อมูลเมื่อสิ้นสุดการ pull แต่ละครั้ง ซึ่งการล้างข้อมูลทั้งสองส่วนนี้คือสิ่งที่ป้องกันไม่ให้เลเยอร์ที่ไม่มีเจ้าของสะสมอยู่บนดิสก์
หากการ pull ล้มเหลวด้วยข้อผิดพลาด no space left on device ให้เพิ่มพื้นที่ว่างก่อนลองใหม่ หาก df รายงานว่าดิสก์เต็มและ du ในไดเรกทอรีของโมเดลไม่สามารถระบุที่มาของพื้นที่ที่หายไปได้ แสดงว่าพื้นที่นั้นถูกใช้ไปที่อื่น และ เหตุผลที่ df และ du แสดงค่าไม่ตรงกัน เป็นสิ่งที่ควรอ่านก่อนที่คุณจะลบไฟล์ใดๆ ออก
Ollama จัดเก็บโมเดลไว้ที่ไหนบน VPS?
ให้ตรวจสอบจากเซิร์ฟเวอร์ของคุณเองแทนการเชื่อเส้นทางจากคู่มือใดๆ รวมถึงคู่มือนี้ด้วย ตำแหน่งที่จัดเก็บจะแตกต่างกันระหว่างการติดตั้งแบบแพ็กเกจกับการใช้คอนเทนเนอร์ และจะเปลี่ยนไปอีกหากมีการตั้งค่า OLLAMA_MODELS ไว้
systemctl cat ollama.service
getent passwd ollama
sudo find / -xdev -type d -name blobs 2>/dev/nullsystemctl cat จะแสดงไฟล์ unit พร้อมกับไฟล์ drop-in ทั้งหมด ดังนั้นบรรทัด OLLAMA_MODELS ที่คุณตั้งค่าไว้หรือที่ถูกกำหนดมาในอิมเมจจะปรากฏขึ้นที่นั่น หากไม่มีบรรทัดดังกล่าว พื้นที่จัดเก็บจะอยู่ที่ไดเรกทอรี home ของบัญชีผู้ใช้ที่รันเซอร์วิสอยู่ และ getent passwd จะแสดงไดเรกทอรี home นั้นในฟิลด์ที่หกที่คั่นด้วยเครื่องหมายทวิภาค ส่วน find จะค้นหาในระบบไฟล์เพื่อหาไดเรกทอรี blobs ซึ่งเป็นที่ที่เลเยอร์ต่างๆ ถูกเขียนลงไปจริง ให้ละเว้น -xdev หากโมเดลอาจถูกจัดเก็บไว้ใน mount point แยกต่างหากอยู่แล้ว
ตอนนี้ให้วัดขนาดและอ่านค่าจากระบบของคุณเอง:
ollama list
df -h /
sudo du -sh /the/directory/you/found
sudo du -h -d1 /the/directory/you/foundพื้นที่จัดเก็บมีเนื้อหาอยู่สองประเภท ไดเรกทอรี manifest (manifests ซึ่งรวมเข้ากับ manifests-v2 ในรุ่นปัจจุบัน) จะเก็บไฟล์ขนาดเล็กที่ระบุว่าแต่ละ model tag ประกอบขึ้นจากเลเยอร์ใดบ้าง ส่วน blobs จะเก็บตัวเลเยอร์เอง โดยแต่ละไฟล์จะตั้งชื่อตามค่าแฮชของเนื้อหาภายใน และพื้นที่ส่วนใหญ่จะถูกใช้ไปที่นี่ เนื่องจากเลเยอร์ต่างๆ ถูกแชร์ระหว่าง tag ดังนั้นโมเดลสองตัวที่สร้างจาก weight ชุดเดียวกันจะแสดงขนาดของตัวเองใน ollama list ทั้งที่ใช้พื้นที่บนดิสก์เพียงครั้งเดียว ดังนั้นขนาดที่แสดงรวมกันอาจมากกว่าที่ du รายงานสำหรับไดเรกทอรีนั้น ความประหลาดใจในทางตรงกันข้ามมาจาก Ollama 0.40.2: โมเดลที่ถูกอัปเกรดในเบื้องหลังจะเก็บสำเนาต้นฉบับไว้บนดิสก์เพื่อเป็นข้อมูลสำรอง ซึ่ง ollama list จะไม่แสดงซ้ำ ดังนั้น du อาจรายงานขนาดที่มากกว่ารายการที่แสดงไว้มาก บันทึกประจำรุ่น 0.40.2 มีสคริปต์ที่ใช้ลบเฉพาะไฟล์สำรองเหล่านั้น
ไฟล์โมเดลทำให้ระบบไฟล์ root ของ VPS ขนาดเล็กเต็มได้เร็วกว่าสิ่งอื่นใดที่คุณน่าจะติดตั้ง และปัจจัยที่ส่งผลต่อขนาดมากที่สุดคือรูปแบบของ weight การ เลือกใช้ระหว่าง q4, q8 และ fp16 สามารถประหยัดพื้นที่ได้หลายกิกะไบต์ต่อหนึ่งโมเดล
ย้ายโมเดลไปยัง data volume ด้วย OLLAMA_MODELS
หากแผนการใช้งานมีดิสก์ลูกที่สองหรือ data volume ที่มีขนาดใหญ่กว่า ให้ย้ายที่เก็บข้อมูลก่อนที่ root filesystem จะเต็ม ให้หยุดการทำงานของเซิร์ฟเวอร์ก่อน เพื่อป้องกันการคัดลอกไฟล์ที่กำลังถูกเขียนอยู่
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.servicesystemctl edit จะเปิดตัวแก้ไขไฟล์สำหรับ drop-in file เพื่อให้ unit ที่มากับแพ็กเกจยังคงอยู่เหมือนเดิม และการอัปเกรดแพ็กเกจจะไม่เขียนทับการตั้งค่าของคุณ ให้เพิ่มสองบรรทัดนี้ลงไป:
[Service]
Environment="OLLAMA_MODELS=/mnt/data/ollama-models"sudo systemctl daemon-reload
sudo systemctl restart ollama
systemctl show ollama --property=Environment
ollama listsystemctl show ควรแสดง path ใหม่ของคุณ และ ollama list ควรแสดงโมเดลชุดเดิมที่เคยแสดงก่อนการย้าย หากรายการว่างเปล่า ให้ตรวจสอบว่าไดเรกทอรีใหม่มีข้อมูลที่คัดลอกมาและเซิร์ฟเวอร์สามารถอ่านได้ บริการนี้รันด้วยผู้ใช้ ollama ดังนั้นผู้ใช้ดังกล่าวจึงจำเป็นต้องมีสิทธิ์อ่านและเขียนในปลายทาง ซึ่งเป็นหน้าที่ของบรรทัด chown ด้านบน ให้ตรวจสอบ journalctl -e -u ollama เพื่อดูข้อผิดพลาดด้านสิทธิ์ที่ระบุถึง path ใหม่ ลบข้อมูลชุดเก่าทิ้งก็ต่อเมื่อรายการถูกต้องแล้วเท่านั้น เพราะหากการย้ายล้มเหลวและคุณลบต้นฉบับไปแล้ว คุณจะต้องดาวน์โหลดทุกอย่างใหม่อีกครั้ง
อีกทางเลือกหนึ่งคือการคง path เดิมไว้แล้ว mount data volume ทับลงไป:
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 หากแสดงผลการ mount หมายความว่า bind mount ทำงานอยู่ การทำ bind mount มีประโยชน์ในกรณีที่ส่วนประกอบอื่นในเครื่องคาดหวังว่าจะพบข้อมูลในตำแหน่งเริ่มต้น มีข้อควรระวังหนึ่งประการคือ ไฟล์ที่คุณคัดลอกออกมาจะยังคงค้างอยู่ใต้จุด mount บน root disk โดยถูกซ่อนไว้ด้วยการ mount ทำให้พื้นที่จัดเก็บไม่ถูกคืนค่าจนกว่าคุณจะ unmount และลบไฟล์เหล่านั้นออก การใช้ environment variable เป็นวิธีที่อธิบายให้ผู้ดูแลระบบคนถัดไปเข้าใจได้ง่ายกว่าในทั้งสองวิธีนี้
ตำแหน่งที่คอนเทนเนอร์จัดเก็บข้อมูล
อิมเมจอย่างเป็นทางการจะจัดเก็บโมเดลไว้ในตำแหน่งที่คุณ mount ไว้ ไม่ใช่ในไดเรกทอรีใดๆ บนโฮสต์ที่เป็นของผู้ใช้ ollama คำสั่ง run ที่ระบุไว้ในเอกสารคือ:
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollamaollama ที่อยู่หน้าเครื่องหมายโคลอนคือ Docker volume แบบระบุชื่อ และ /root/.ollama คือตำแหน่งที่เซิร์ฟเวอร์เขียนข้อมูลไว้ภายในคอนเทนเนอร์ ดังนั้นการใช้ du ตรวจสอบพาธจากส่วนก่อนหน้าจึงไม่พบข้อมูลใดๆ เนื่องจากไม่มีข้อมูลอยู่ที่นั่น ให้แสดงตำแหน่งและขนาดจริงด้วยคำสั่ง:
docker volume inspect ollama
docker system df -v
docker exec -it ollama ollama listอ่านค่าจากฟิลด์ Mountpoint ใน docker volume inspect จากนั้นรันคำสั่ง sudo du -sh กับค่าดังกล่าว หากต้องการเก็บโมเดลไว้บน data volume ให้แทนที่ volume แบบระบุชื่อด้วยไดเรกทอรีบนโฮสต์ (-v /mnt/data/ollama:/root/.ollama) แล้วสร้างคอนเทนเนอร์ขึ้นใหม่ คอนเทนเนอร์จะเขียนข้อมูลในฐานะ root ดังนั้นไดเรกทอรีบนโฮสต์นั้นจะมี root เป็นเจ้าของ ภายใต้การใช้งาน Podman แบบ rootless โดยปกติแล้ว root ของคอนเทนเนอร์จะถูกแมปไปยัง UID และ GID ของผู้ใช้บนโฮสต์ของคุณ ในขณะที่ ID อื่นๆ ของคอนเทนเนอร์จะใช้ช่วง subordinate: การรัน Ollama ภายใต้ Podman แบบ rootless ครอบคลุมรายละเอียดการแมปดังกล่าว
คำเตือนเกี่ยวกับการล้างข้อมูล: คำสั่ง docker volume prune แบบปกติจะลบเฉพาะ anonymous volume เท่านั้น จึงไม่ส่งผลต่อ ollama ที่เป็น volume แบบระบุชื่อ แต่คำสั่ง docker volume prune --all จะลบทุก volume ที่ไม่มีคอนเทนเนอร์ใดอ้างอิงถึง รวมถึง volume แบบระบุชื่อด้วย หากคุณลบหรือสร้างคอนเทนเนอร์ ollama ใหม่โดยไม่รวม volume ของมัน คำสั่ง prune --all ในภายหลังจะลบโมเดลทั้งหมดที่คุณดาวน์โหลดมา และไม่มีวิธีเรียกคืนนอกจากต้องดาวน์โหลดใหม่ทั้งหมด โปรดอ่าน วิธีจัดการพื้นที่ดิสก์ Docker บน VPS ก่อนรันคำสั่ง prune บนเครื่องที่มีการโฮสต์โมเดลไว้
การลบโมเดลด้วย ollama rm ไม่ใช่การใช้ rm
ollama list
ollama rm gemma4
ollama list
df -h /ollama rm จะลบ manifest ของแท็กนั้นออก จากนั้นจะลบ layer ที่ไม่มี manifest ใดๆ อ้างอิงถึง พื้นที่จัดเก็บจะถูกคืนทันทีที่ไฟล์เหล่านั้นถูกยกเลิกการเชื่อมโยง ดังนั้น df จึงเห็นผลลัพธ์ทันที เนื่องจาก layer มีการใช้งานร่วมกัน การลบหนึ่งในสองแท็กที่มีความเกี่ยวข้องกันอย่างใกล้ชิดอาจคืนพื้นที่ได้น้อยกว่าขนาดที่ ollama list แสดงไว้ข้างชื่อโมเดล ซึ่งถือเป็นการทำงานที่ถูกต้อง ไม่ใช่การลบที่ล้มเหลว
การลบไฟล์ด้วยตนเองจะทำให้ความสัมพันธ์ของข้อมูลเสียหาย หากลบ blob ด้วย rm แต่ manifest ยังคงระบุถึงไฟล์นั้นอยู่ ollama list จะยังคงแสดงโมเดลดังกล่าว และความพยายามในการใช้งานจะล้มเหลวเมื่อระบบอ่านเจอ layer ที่หายไป หากลบ manifest ด้วยตนเอง layer ของมันจะยังคงค้างอยู่ในดิสก์โดยไม่มีสิ่งใดอ้างอิงถึง ทำให้เสียพื้นที่จัดเก็บโดยที่ไม่มีคำสั่งของ Ollama ใดรายงานให้คุณทราบ หากคุณลบ blob ไปแล้ว การใช้ ollama rm กับแท็กนั้นจะช่วยล้างรายการที่ค้างอยู่ แต่หากคุณลบ manifest ไปแล้ว จะไม่มีรายการแท็กเหลือให้ลบอีก การรีสตาร์ทเซิร์ฟเวอร์จะช่วยล้าง layer ที่ไม่มีการอ้างอิงออกไปเมื่อไฟล์เหล่านั้นมีอายุเกินหนึ่งชั่วโมง
ข้อแตกต่างประการสุดท้าย เนื่องจากทั้งสองคำสั่งมักถูกสับสนกันบ่อยครั้ง ollama rm เกี่ยวข้องกับพื้นที่ในดิสก์ ส่วน ollama stop gemma4 เป็นการนำโมเดลออกจากหน่วยความจำและไม่ได้คืนพื้นที่ในดิสก์แต่อย่างใด ระยะเวลาที่โมเดลจะคงอยู่ใน RAM หลังจากโหลดเสร็จสิ้นเป็นการตั้งค่าแยกต่างหาก ซึ่ง การคงโมเดลไว้ในหน่วยความจำแทนการโหลดใหม่ทุกครั้งที่ร้องขอ ได้อธิบายรายละเอียดไว้แล้ว
FAQ
ollama pull และ ollama run แตกต่างกันอย่างไร?
ollama pull จะดาวน์โหลดโมเดลลงดิสก์แล้วจบการทำงานทันที ส่วน ollama run จะตรวจสอบว่าโมเดลอยู่ในดิสก์แล้วหรือไม่ หากยังไม่มีจะทำการดาวน์โหลด จากนั้นจะโหลดโมเดลเข้าหน่วยความจำ และหากเป็นโมเดลสำหรับแชท ระบบจะเปิดเซสชันแชทแบบโต้ตอบให้ ทั้งสองคำสั่งเขียนไฟล์ลงในไดเรกทอรีเดียวกัน ให้ใช้ pull ในขั้นตอนการจัดเตรียมระบบ (provisioning) และในสคริปต์ ส่วน run ให้ใช้เมื่อมีผู้ใช้งานนั่งอยู่หน้าเครื่อง ollama run <model> "your prompt" จะส่ง prompt หนึ่งรายการแล้วจบการทำงาน ซึ่งเป็นรูปแบบที่ใช้ในสคริปต์ของ run
ทำไมการรัน ollama run ครั้งแรกถึงดูเหมือนค้าง?
ระบบอาจกำลังดาวน์โหลด ตรวจสอบไฟล์ที่ดาวน์โหลด หรือกำลังโหลดโมเดลเข้าหน่วยความจำ prompt สำหรับแชทจะไม่ปรากฏจนกว่าโมเดลจะถูกดาวน์โหลดลงดิสก์และโหลดเข้าหน่วยความจำเสร็จสมบูรณ์ ซึ่งโมเดลหนึ่งตัวมีขนาดหลายกิกะไบต์ Ollama จะเขียนแถบสถานะความคืบหน้าไปยัง standard error ดังนั้นหากใช้ run ภายในสคริปต์ที่ละทิ้งสตรีมดังกล่าว หรือรันภายใน cron job คุณจะไม่เห็นสถานะใดๆ ในขณะที่ระบบทำงาน ให้เปิดเซสชันที่สองแล้วรัน watch -n5 df -h / หากเป็นเครื่องใหม่ พื้นที่ว่างที่ลดลงเป็นระยะแสดงว่าการดาวน์โหลดกำลังดำเนินอยู่ ควรดาวน์โหลดโมเดลล่วงหน้าเพื่อลดเวลารอคอยในการดาวน์โหลดและตรวจสอบ แต่การโหลดโมเดลยังคงต้องใช้เวลา
Ollama เก็บโมเดลไว้ที่ไหน?
ตำแหน่งที่เก็บขึ้นอยู่กับการติดตั้ง ดังนั้นควรตรวจสอบด้วยคำสั่งแทนการคาดเดา ให้รัน systemctl cat ollama.service เพื่อดูว่ามีการตั้งค่า OLLAMA_MODELS ไว้ใน unit หรือ drop-in หรือไม่ หากไม่มี โมเดลจะถูกเก็บไว้ภายใต้ home directory ของบัญชีผู้ใช้ที่รัน service ซึ่งสามารถตรวจสอบได้ด้วย getent passwd ollama ส่วน sudo find / -xdev -type d -name blobs 2>/dev/null จะระบุตำแหน่งไดเรกทอรี layer โดยตรง สำหรับ container image โมเดลจะถูกเก็บไว้ภายใน volume ที่ mount ไว้ และ docker volume inspect ollama จะแสดง Mountpoint บนโฮสต์
ฉันจะย้ายโมเดลของ Ollama ไปยังดิสก์อื่นได้อย่างไร?
หยุดการทำงานของ service คัดลอกที่เก็บโมเดลไปยังตำแหน่งใหม่ด้วย rsync -a กำหนดสิทธิ์การเข้าถึงไดเรกทอรีให้บัญชีผู้ใช้ของ service ด้วย sudo chown -R ollama:ollama <directory> จากนั้นรัน sudo systemctl edit ollama.service และเพิ่ม Environment="OLLAMA_MODELS=<directory>" ไว้ใต้บรรทัด [Service] ทำการโหลดการตั้งค่าใหม่ด้วย sudo systemctl daemon-reload แล้วรีสตาร์ท service ตรวจสอบความถูกต้องด้วย systemctl show ollama --property=Environment และ ollama list หากรายการว่างเปล่า ให้ตรวจสอบว่าไดเรกทอรีใหม่มีข้อมูลที่คัดลอกมาและผู้ใช้ ollama สามารถอ่านได้หรือไม่ รวมถึงตรวจสอบ journalctl -e -u ollama เพื่อดูข้อผิดพลาดเกี่ยวกับสิทธิ์การเข้าถึง
การลบไฟล์โมเดลด้วยตนเองจะช่วยคืนพื้นที่ว่างหรือไม่?
การลบไฟล์ด้วยตนเองจะคืนพื้นที่ว่างแต่จะทำให้ที่เก็บข้อมูลไม่สอดคล้องกัน หากลบไฟล์ blob ออกไปแต่ manifest ยังคงระบุถึงโมเดลนั้นอยู่ โมเดลจะยังคงปรากฏใน ollama list และจะเกิดข้อผิดพลาดเมื่อเรียกใช้งาน หากลบ manifest ออกไปแต่ layer ยังคงค้างอยู่ในดิสก์โดยไม่มีสิ่งใดอ้างอิงถึง ให้ใช้ ollama rm <model> ซึ่งจะลบ manifest และลบ layer ที่ไม่มีโมเดลอื่นใช้งานออกไป หากไฟล์ blob ถูกลบด้วยตนเองไปแล้ว ให้รัน ollama rm ที่แท็กนั้นเพื่อล้างรายการออก หาก manifest ถูกลบไปแล้ว จะไม่มีรายการแท็กเหลือให้ลบอีก ให้รีสตาร์ทเซิร์ฟเวอร์เพื่อลบ layer ที่ไม่มี manifest ใดอ้างอิงถึงหลังจากผ่านไปแล้วหนึ่งชั่วโมง