# 02 部署步骤

## 前置条件

- Docker Engine 24+
- Docker Compose v2+
- Linux 主机建议至少 4 核 CPU、8 GB 内存；启用 SAM2/GPU 时按模型权重另行评估。

## 本机部署

```bash
cd /home/wkmgc/Desktop/Seg_Server_Docker
cp .env.example .env
docker compose up -d --build
```

验证：

```bash
curl http://localhost:8000/health
docker compose ps
```

## 局域网部署

1. 获取服务器 IP，例如 `192.168.3.11`。
2. 修改 `.env`：

```env
PUBLIC_HOST=192.168.3.11
CORS_ORIGINS=["http://192.168.3.11:3000","http://localhost:3000","http://127.0.0.1:3000"]
```

3. 重新创建后端和 worker：

```bash
docker compose up -d --build backend worker frontend
```

4. 访问：

```text
http://192.168.3.11:3000
```

需要放行端口：`3000`、`8000`、`9000`、可选 `9001`。

## 演示出厂设置数据

恢复演示出厂设置会检查：

```text
demo/演视LC视频序列.mp4
demo/演视DICOM序列/*.dcm
```

部署包当前已经包含这些演示文件。如需替换为其它演示数据，可按相同命名覆盖：

```bash
mkdir -p demo/演视DICOM序列
cp /path/to/video.mp4 demo/演视LC视频序列.mp4
cp /path/to/dicom-series/*.dcm demo/演视DICOM序列/
docker compose restart backend worker
```

## SAM2 / GPU 扩展

最小镜像没有安装 PyTorch 和 SAM2，因此 AI 推理会显示不可用，但普通项目、模板、手工标注、上传、拆帧、导出仍可运行。

启用 SAM2 的一种方式：

1. 基于 `Dockerfile.backend` 创建 GPU 版 Dockerfile。
2. 安装与你 CUDA 匹配的 PyTorch 和 `sam2`。
3. 将权重放入 `models/`，例如：

```text
models/sam2.1_hiera_tiny.pt
```

4. 在 compose 中为 `backend` 和 `worker` 增加 GPU runtime/device 配置。
5. 保持 `.env` / compose 中：

```env
SAM_MODEL_PATH=/app/models/sam2.1_hiera_tiny.pt
SAM_MODEL_CONFIG=configs/sam2.1/sam2.1_hiera_t.yaml
```

## 更新部署包

从源码仓库更新后，重新构建：

```bash
docker compose up -d --build
```

数据库 schema 会由后端启动时执行 `create_all` 和兼容列检查。重要生产环境仍建议先备份数据库和 MinIO 数据。