企业官网建设流程全解析

1. 为什么要在树莓派5上折腾私有照片服务器

把照片存在别人家的服务器上，这件事我干了快十年，从最早的网盘到后来的各种云相册，说实话便利是真便利，但心里那根刺一直没拔掉。直到去年家里那台老NAS硬盘挂了，丢了两千多张孩子的照片，我才下定决心：照片这东西，必须攥在自己手里。树莓派5出来之后，我第一时间入手了一台8GB版本，折腾了大概三周，终于把一套带AI能力的私有照片服务器跑通了。这套东西能干什么？简单说，它能把你的手机、相机、电脑里的照片自动汇总到一个地方，用AI自动识别照片里的人和物，支持按人脸、地点、场景搜索，还能自动生成相册和回忆视频。最关键的是，所有数据都在你自己的硬盘上，断网也能用，没有任何人能看到你的照片。

这套方案适合谁？如果你手里有几千到几万张照片，对隐私比较在意，又愿意花点时间折腾，那这套方案非常适合你。如果你完全不想碰命令行，那可能成品NAS更适合你。但如果你像我一样，喜欢自己掌控一切，而且想顺便学点AI部署的知识，那树莓派5绝对是个绝佳的练手平台。它的性能比树莓派4强了不止一倍，尤其是PCIe接口和更强的CPU，让本地跑AI模型从“勉强能用”变成了“真的能用”。

我先把整体架构说清楚，免得你跟着做的时候一头雾水。整套系统分三层：最底层是存储层，用外接硬盘或者NVMe SSD存照片原图；中间是服务层，跑照片管理程序和数据库；最上面是AI层，负责人脸识别、物体识别和语义搜索。这三层都跑在树莓派5上，通过Docker容器隔离，互不干扰。你可能会问，为什么不直接装一个现成的照片管理软件？因为现成的软件要么不支持AI，要么AI功能要联网，要么就是收费贵得离谱。自己搭的好处是，每个组件你都能换，都能调，而且完全免费。

2. 硬件选型与系统准备：别在第一步就踩坑

2.1 树莓派5的版本选择和散热方案

树莓派5目前有2GB、4GB、8GB和16GB四个版本。我强烈建议至少上8GB，如果你照片多、想跑大一点的AI模型，直接上16GB。为什么？因为照片管理服务本身吃内存不多，但AI推理的时候，模型加载和图片预处理会吃掉大量内存。我实测下来，8GB版本在同时处理人脸识别和物体识别时，内存占用会到6GB左右，留点余量比较稳妥。2GB和4GB版本不是不能跑，但你得频繁交换内存，体验会差很多。

散热是树莓派5的一个大问题。它的CPU性能上来了，发热也跟着上来了。我试过被动散热片，夏天跑AI推理的时候温度直接飙到85度，然后降频，推理速度掉一半。后来换了主动散热风扇，温度稳定在55度左右。如果你打算7x24小时跑服务，一定要上主动散热，最好是那种带温控的风扇，噪音小。官方那个主动散热器就够用，但如果你想把树莓派塞进小机箱，那就得选个矮一点的散热方案。

电源也不能马虎。树莓派5需要5V 5A的电源，也就是25W。我用过普通的5V 3A电源，结果外接硬盘一启动就掉电重启。后来换了官方27W电源，问题解决。如果你还要接NVMe SSD，那电源余量更要留足。我建议直接上官方电源，别省这几十块钱，稳定性比什么都重要。

2.2 存储方案：NVMe还是外接硬盘

树莓派5最大的升级之一就是有了PCIe接口，可以通过M.2 HAT接NVMe SSD。我强烈建议用NVMe SSD作为系统盘和照片存储盘。为什么？因为照片管理服务需要频繁读写数据库和缩略图，NVMe的随机读写速度比SD卡快几十倍。我实测过，用SD卡跑照片索引，一万张照片要跑将近两个小时，换成NVMe之后只要二十分钟。这个差距在AI推理的时候更明显，模型加载速度完全不是一个级别。

如果你照片特别多，比如超过两万张，我建议系统盘用NVMe，照片原图存外接硬盘。外接硬盘选USB 3.0的机械硬盘就行，容量大、便宜。但要注意，树莓派5的USB接口供电能力有限，最好选带独立供电的硬盘盒，或者用带电源的USB Hub。我试过直接接2.5寸移动硬盘，偶尔会掉盘，后来换成带供电的3.5寸硬盘盒，再也没出过问题。

文件系统方面，我建议用ext4，别用NTFS或者exFAT。为什么？因为ext4对Linux权限支持更好，Docker容器挂载的时候不会出现权限混乱的问题。如果你必须和Windows电脑交换数据，可以单独分一个exFAT分区，但照片库本身一定要放在ext4分区上。我踩过这个坑，用NTFS的时候，容器里的服务经常因为权限问题写不进文件，排查了半天才发现是文件系统的问题。

2.3 操作系统的选择和基础配置

树莓派5官方支持64位系统，一定要装64位的。为什么？因为很多AI模型和Docker镜像只有64位版本，32位系统根本跑不起来。我推荐用官方的Raspberry Pi OS Lite 64位版本，不带桌面环境。为什么不用带桌面的版本？因为桌面环境会占用大量内存和CPU，而且你跑服务的时候根本用不到桌面。如果你需要图形界面管理，可以通过Web界面或者SSH端口转发来解决。

系统装好之后，有几件事必须马上做。第一，更新系统到最新版本，命令是sudo apt update && sudo apt full-upgrade -y。第二，配置SSH和VNC，方便远程管理。第三，设置静态IP，不然路由器重启之后IP变了，你的服务就找不到了。第四，把默认密码改掉，虽然是在内网，但安全习惯要养好。第五，配置交换空间，树莓派5默认的交换空间只有100MB，跑AI的时候肯定不够，我建议调到2GB到4GB。具体操作是编辑/etc/dphys-swapfile，把CONF_SWAPSIZE改成2048或者4096，然后重启服务。

还有一点很重要，把Docker和Docker Compose装好。我建议用官方脚本安装Docker，别用apt里的版本，apt里的版本太旧，很多新特性不支持。安装命令是curl -fsSL https://get.docker.com | sh，然后把自己加到docker组里，这样不用sudo就能跑docker命令。Docker Compose现在集成在Docker里了，用docker compose命令就行，不用单独装。

3. 核心服务选型：为什么我选了这套组合

3.1 照片管理服务的选择对比

市面上能自建的照片管理服务不少，我主要对比了三个：PhotoPrism、Immich和LibrePhotos。PhotoPrism是老牌选手，功能全，AI能力强，但界面有点老旧，而且对硬件要求比较高。Immich是后起之秀，界面漂亮，手机App好用，AI功能也在快速迭代。LibrePhotos比较轻量，但功能相对少一些。

我最后选了Immich，原因有几个。第一，它的手机App做得非常好，自动备份体验跟大厂云相册几乎一样，家里老人也能轻松上手。第二，它的AI功能是内置的，人脸识别、物体识别、语义搜索都有，而且模型可以自己换。第三，它的更新非常活跃，社区响应快，遇到问题容易找到解决方案。第四，它支持多用户，可以给家里人每人一个账号，照片互相隔离。PhotoPrism我也试过，AI能力确实强，但手机App体验差一些，而且索引速度慢。LibrePhotos功能太少，不适合我这种照片多、需求杂的用户。

Immich的架构是这样的：它有一个主服务负责API和Web界面，一个机器学习服务负责AI推理，一个PostgreSQL数据库存元数据，一个Redis做缓存，还有一个向量数据库存人脸和语义特征。这些服务都跑在Docker容器里，通过内部网络通信。你可能会问，为什么这么复杂？因为AI推理和主服务分开之后，可以独立升级和扩展。比如你想换一个更强的人脸识别模型，只需要重启机器学习服务，不影响主服务运行。

3.2 AI模型的选择和优化

Immich默认用的是Buffalo_L模型，这个人脸识别模型精度不错，但在树莓派5上跑起来有点吃力。我实测下来，一张照片的人脸检测要3到5秒，如果照片多，索引时间会很长。后来我换成了MobileFaceNet模型，精度稍微降了一点，但速度提升了三倍多，一张照片只要1秒左右。对于家庭照片来说，这个精度完全够用。如果你对精度要求特别高，可以保留Buffalo_L，但建议在晚上或者不用的时候跑批量索引。

物体识别和语义搜索用的是CLIP模型。这个模型可以把图片和文字映射到同一个向量空间，所以你搜“海滩上的狗”就能找到对应的照片。CLIP模型在树莓派5上跑起来比较慢，一张照片要2到3秒。我的优化方法是把图片分辨率降下来，CLIP默认处理224x224的图片，但Immich会先缩放，我把它改成160x160，速度提升了一倍，精度损失很小。另外，可以开启批处理，一次处理多张图片，充分利用CPU。

还有一个重要的优化点是模型量化。原始模型是FP32的，占内存大、速度慢。我换成了INT8量化的版本，内存占用减少了一半，速度提升了40%左右。量化之后的精度损失在可接受范围内，人脸识别准确率大概降了1%到2%，但速度提升非常明显。具体怎么换模型，后面实操部分会详细说。

3.3 数据库和缓存的配置要点

PostgreSQL是Immich的元数据库，存照片的路径、时间、标签、人脸信息等。树莓派5跑PostgreSQL没问题，但默认配置需要调优。我建议把shared_buffers调到512MB，work_mem调到32MB，maintenance_work_mem调到128MB。这些参数在postgresql.conf里改，改完重启数据库。为什么要调？因为默认配置是按小内存设备来的，树莓派5有8GB内存，可以给数据库多分一点，这样查询速度会快很多。

Redis是缓存服务，存一些临时数据和任务队列。默认配置基本够用，但建议把maxmemory设成256MB，maxmemory-policy设成allkeys-lru。这样Redis不会无限增长，内存不够的时候会自动淘汰旧数据。向量数据库我用的是Qdrant，它专门存人脸和语义向量，支持快速相似度搜索。Qdrant在树莓派5上跑起来很轻量，内存占用大概200MB左右，不需要特别调优。

还有一个细节，数据库和缓存的存储目录一定要放在NVMe SSD上，别放在SD卡上。因为数据库频繁读写，SD卡很容易坏。我第一套系统就是数据库放在SD卡上，跑了三个月SD卡就挂了，所有元数据丢失，照片虽然还在但索引全没了，重新索引花了整整两天。这个坑大家一定要避开。

4. 实操部署：从零到跑通的完整流程

4.1 系统初始化和Docker环境搭建

假设你已经装好了Raspberry Pi OS Lite 64位，并且通过SSH连上了树莓派。第一步，更新系统并安装必要工具。命令是sudo apt update && sudo apt full-upgrade -y，然后装一些常用工具：sudo apt install -y git curl wget htop nano。这些工具后面都会用到。第二步，配置交换空间。编辑/etc/dphys-swapfile，把CONF_SWAPSIZE改成4096，然后执行sudo systemctl restart dphys-swapfile。你可以用free -h命令确认交换空间已经生效。

第三步，安装Docker。用官方脚本：curl -fsSL https://get.docker.com | sh。装完之后，把自己加到docker组：sudo usermod -aG docker $USER，然后退出SSH重新登录，这样不用sudo就能跑docker命令。第四步，确认Docker和Docker Compose版本。docker --version和docker compose version，确保Docker版本在24以上，Compose版本在2.20以上。如果版本太低，有些新特性用不了。

第五步，创建项目目录。我习惯把服务放在/opt下面，执行sudo mkdir -p /opt/immich，然后sudo chown $USER:$USER /opt/immich。这个目录用来放docker-compose文件和配置文件。第六步，创建照片存储目录。如果你用外接硬盘，先挂载硬盘，比如挂到/mnt/photos。然后创建子目录：mkdir -p /mnt/photos/library /mnt/photos/thumbs /mnt/photos/encoded-video /mnt/photos/profile。这些目录分别存原图、缩略图、转码视频和用户配置。

4.2 Immich的Docker Compose配置详解

Immich官方提供了一个docker-compose.yml模板，但默认配置需要改不少地方。我把我优化过的配置贴出来，然后逐项解释。首先，把immich-server的镜像版本固定，别用latest，因为自动更新有时候会出问题。我用的是ghcr.io/immich-app/immich-server:v1.119.0，这个版本我实测稳定。然后，把immich-machine-learning的镜像也固定，用同一个版本。

数据库配置部分，DB_PASSWORD一定要改成一个强密码，别用默认的。DB_STORAGE_LOCATION指向NVMe上的目录，比如/mnt/nvme/postgres。DB_DATA_LOCATION也一样。Redis的配置比较简单，把REDIS_HOSTNAME设成immich-redis就行。存储卷映射部分，把/mnt/photos/library映射到容器的/usr/src/app/upload，这样照片原图就存在外接硬盘上。

机器学习服务的配置是关键。默认的MACHINE_LEARNING_MODEL_TTL是300秒，意思是模型加载后5分钟不用就卸载。我建议改成0，让模型常驻内存，这样每次推理不用重新加载，速度快很多。但代价是内存占用会一直保持在高位，8GB版本大概会占2GB左右。如果你内存紧张，可以保留默认值。MACHINE_LEARNING_WORKERS设成2，树莓派5有4个核心，留两个给主服务。MACHINE_LEARNING_HTTP_KEEPALIVE_TIMEOUT设成60，避免频繁建立连接。

还有一个重要的环境变量是IMMICH_MACHINE_LEARNING_URL，指向机器学习服务的地址，默认是http://immich-machine-learning:3003。如果你把机器学习服务部署在另一台机器上，可以改这个地址。但树莓派5上跑所有服务，保持默认就行。最后，别忘了设置TZ时区，改成你所在的时区，不然照片时间会乱。

4.3 启动服务和初始化设置

配置文件写好之后，执行docker compose up -d启动所有服务。第一次启动会拉取镜像，大概需要十几分钟，取决于你的网络速度。启动完成后，用docker compose ps查看容器状态，确保所有容器都是running。如果有容器不断重启，用docker compose logs 容器名看日志排查。常见问题是数据库密码不对或者存储目录权限不对。

服务起来之后，打开浏览器访问http://树莓派IP:2283，应该能看到Immich的登录界面。第一次访问会让你创建管理员账号，填好邮箱和密码。然后进入设置页面，配置外部库或者上传照片。我建议先上传一小批照片测试，比如100张，看看索引速度和AI识别效果。如果一切正常，再批量导入所有照片。

批量导入有两种方式。一种是通过Web界面上传，适合照片不多的情况。另一种是直接把照片复制到/mnt/photos/library目录下，然后在Immich设置里触发扫描。我推荐第二种，速度快，而且不受浏览器限制。复制的时候注意目录结构，Immich会按年/月/日的格式组织照片，你可以手动创建这些目录，也可以让Immich自动整理。我建议让Immich自动整理，省事。

导入之后，Immich会自动开始索引。索引分几个阶段：先提取元数据，然后生成缩略图，然后跑人脸识别，最后跑物体识别和语义向量。你可以在“任务”页面看到进度。一万张照片在树莓派5上大概需要4到6小时完成全部索引，具体取决于照片大小和AI模型。建议晚上睡觉前开始，第二天早上就好了。

5. AI功能调优：让人脸识别和语义搜索跑得更快

5.1 人脸识别模型的替换和参数调整

Immich默认的人脸识别模型是Buffalo_L，精度高但速度慢。替换成MobileFaceNet的步骤如下。首先，进入机器学习容器的模型目录，一般在/cache下面。你可以用docker exec -it immich-machine-learning bash进入容器，然后cd /cache。你会看到已经下载的模型文件。把MobileFaceNet的模型文件下载下来，替换掉原来的。模型文件可以从Immich的模型仓库获取，具体地址在官方文档里有。

替换之后，重启机器学习服务：docker compose restart immich-machine-learning。然后进入Immich设置，找到“机器学习”选项，把人脸识别模型改成MobileFaceNet。注意，替换模型之后，之前已经识别的人脸需要重新跑一遍，因为特征向量不兼容。你可以在“任务”页面找到“人脸识别”任务，点击“全部重新运行”。

参数调整方面，MACHINE_LEARNING_FACIAL_RECOGNITION_MODEL设成mobilefacenet。还有一个重要参数是MACHINE_LEARNING_FACIAL_RECOGNITION_MIN_SCORE，默认是0.7，意思是置信度低于0.7的人脸不识别。我建议调到0.6，这样能识别出更多侧脸和模糊人脸，但误识别也会增加。你可以根据自己照片的情况调整。如果发现误识别太多，就调回0.7或者更高。

5.2 语义搜索的优化技巧

语义搜索用的是CLIP模型，它能把文字和图片映射到同一个向量空间。你搜“生日蛋糕”就能找到所有包含蛋糕的照片。这个功能非常强大，但默认配置下速度比较慢。优化方法有几个。第一，降低处理分辨率。在机器学习容器的环境变量里加一个MACHINE_LEARNING_CLIP_IMAGE_SIZE=160，默认是224。降到160之后，速度提升大概40%，精度损失很小。

第二，开启批处理。MACHINE_LEARNING_CLIP_BATCH_SIZE设成4，意思是每次处理4张图片。树莓派5的CPU有4个核心，批处理能充分利用多核性能。但批处理会增加内存占用，8GB版本建议设成4，16GB版本可以设成8。第三，把CLIP模型也换成量化版本。Immich支持ONNX格式的量化模型，你可以从模型仓库下载INT8版本的CLIP模型，替换掉默认的FP32模型。替换之后，内存占用减少一半，速度提升30%左右。

还有一个技巧是限制语义搜索的范围。如果你照片特别多，比如超过五万张，全库搜索会很慢。Immich支持按时间范围、相册、人物筛选后再搜索。你可以先筛选出某个时间段或者某个人物的照片，然后再搜关键词，这样搜索范围小很多，速度自然就快了。这个技巧在实际使用中非常实用，尤其是你只想找某次旅行中的某张照片时。

5.3 索引任务的调度和资源控制

AI索引非常吃资源，如果同时跑人脸识别和物体识别，树莓派5的CPU会满载，温度飙升，其他服务也会变慢。我的做法是错峰调度。在Immich的“任务”页面，可以设置每个任务的并发数。人脸识别设成1，物体识别设成1，缩略图生成设成2。这样同一时间只有一个AI任务在跑，不会互相抢资源。

另外，可以设置任务的时间窗口。比如让AI索引只在凌晨1点到早上7点之间跑，白天不跑，这样不影响你白天使用。Immich本身不支持时间窗口，但你可以用cron定时任务来控制。写一个脚本，凌晨1点启动机器学习容器，早上7点停止。这样白天机器学习服务不运行，不占内存，晚上自动跑索引。这个方案我用了几个月，非常稳定。

还有一个资源控制的技巧是限制容器的CPU和内存。在docker-compose.yml里，给机器学习服务加上deploy.resources.limits，比如cpus: '2.0'和memory: 3G。这样即使AI任务跑满，也不会把整个系统拖垮。主服务可以给cpus: '1.0'和memory: 1G，数据库给cpus: '1.0'和memory: 1G。剩下的资源留给系统和缓存。这个配置在8GB版本上实测很稳。

6. 常见问题排查与避坑经验实录

6.1 服务启动失败和容器不断重启

这是最常见的问题，原因通常有三个。第一，数据库密码不对。检查docker-compose.yml里的DB_PASSWORD和Immich服务里的DB_PASSWORD是否一致。如果不一致，数据库连不上，服务就会重启。第二，存储目录权限不对。Docker容器里的服务通常以非root用户运行，如果宿主机目录权限是root，容器写不进去。解决办法是sudo chown -R 1000:1000 /mnt/photos，把目录所有者改成UID 1000。第三，端口冲突。Immich默认用2283端口，如果这个端口被其他服务占了，就起不来。用sudo netstat -tlnp | grep 2283检查，如果被占了就改端口。

还有一个隐蔽的问题是交换空间不够。树莓派5默认交换空间只有100MB，跑AI的时候内存不够，系统会杀进程，导致容器不断重启。解决办法就是前面说的，把交换空间调到4GB。我一开始没调，机器学习服务跑几分钟就挂，日志里全是Out of memory，调了交换空间之后问题解决。

6.2 AI识别速度慢或者不工作

AI识别慢的原因通常是模型太大或者资源不够。先检查机器学习容器的日志：docker compose logs immich-machine-learning。如果看到Model loading反复出现，说明模型被频繁卸载和加载，把MACHINE_LEARNING_MODEL_TTL设成0就能解决。如果看到Timeout，说明推理超时了，需要降低分辨率或者换更小的模型。

如果AI完全不工作，先确认机器学习服务是否正常运行：docker compose ps看状态。然后确认Immich主服务能连上机器学习服务：在Immich设置里点“测试连接”。如果连不上，检查IMMICH_MACHINE_LEARNING_URL环境变量是否正确。还有一个可能是模型文件损坏，删掉/cache目录下的模型文件，重启容器会自动重新下载。

6.3 照片导入后不显示或者缩略图缺失

这个问题通常是文件权限或者路径映射的问题。先检查照片是否真的复制到了/mnt/photos/library目录下。然后检查Immich的存储卷映射是否正确。在docker-compose.yml里，/mnt/photos/library应该映射到/usr/src/app/upload。如果映射错了，Immich找不到照片。

缩略图缺失通常是生成任务没跑完。去“任务”页面看“生成缩略图”任务的进度。如果任务卡住了，可以手动触发：点“全部重新运行”。如果还是不行，检查NVMe SSD的剩余空间，缩略图很占空间，一万张照片大概需要10GB左右。空间不够的话，缩略图生成会失败。

还有一个坑是照片文件名包含特殊字符。Immich对中文文件名支持没问题，但如果文件名里有emoji或者特殊符号，可能会导入失败。解决办法是批量重命名，把特殊字符去掉。我写了一个脚本，用rename命令把所有文件名里的非ASCII字符替换成下划线，导入就顺利了。

6.4 系统运行一段时间后变慢或者卡死

树莓派5跑久了变慢，通常是内存泄漏或者温度过高。先看内存：free -h，如果可用内存很少，交换空间用满，那就是内存不够。解决办法是限制容器内存，或者升级到16GB版本。再看温度：vcgencmd measure_temp，如果超过80度，就是散热问题。检查风扇是否正常运转，散热片是否松动。我遇到过风扇积灰导致散热效率下降，清理之后温度降了10度。

还有一个原因是数据库膨胀。PostgreSQL跑久了，表会变大，查询变慢。定期执行VACUUM FULL可以回收空间。我设置了一个cron任务，每周日凌晨执行一次。命令是docker exec -it immich-postgres psql -U postgres -c "VACUUM FULL;"。执行的时候会锁表，所以要在不用的时候跑。执行完之后，数据库文件会小很多，查询速度也会恢复。

6.5 常见问题速查表

7. 数据备份与安全加固：别等丢了才后悔

7.1 照片和数据库的备份策略

私有服务器的最大风险不是被攻击，而是硬盘坏了。我吃过这个亏，所以现在备份做得非常勤。我的策略是三层备份：第一层，照片原图实时同步到另一块外接硬盘，用rsync每小时同步一次。第二层，数据库每天凌晨导出一次，存到NVMe和SD卡各一份。第三层，每周把重要照片和数据库备份加密后传到另一台设备上。这样即使树莓派彻底挂了，数据也能找回来。

rsync的同步命令是rsync -av --delete /mnt/photos/library/ /mnt/backup/photos/。--delete的意思是删除目标目录里源目录没有的文件，保持完全一致。数据库备份用pg_dump：docker exec -it immich-postgres pg_dump -U postgres immich > /mnt/backup/immich_$(date +%Y%m%d).sql。这个命令导出整个数据库，恢复的时候用psql导入就行。

备份文件一定要加密，尤其是传到外部设备的时候。用gpg加密：gpg -c /mnt/backup/immich_20260101.sql，会提示你输入密码。加密后的文件即使被别人拿到，没有密码也打不开。密码一定要记住，忘了就真的打不开了。我建议把密码写在纸上，锁在抽屉里，别只存在电脑里。

7.2 网络安全和访问控制

虽然是在内网，但安全措施不能少。第一，改掉默认端口。Immich默认用2283，我改成了随机的高位端口，比如34567。这样即使有人扫描你的内网，也不容易发现服务。第二，开启HTTPS。Immich支持HTTPS，你可以用自签名证书，也可以用Let's Encrypt。自签名证书配置简单，但浏览器会报警告。Let's Encrypt需要域名，如果你有域名，建议用Let's Encrypt。

第三，配置防火墙。树莓派5上可以用ufw，只开放必要的端口。比如只开放SSH端口和Immich端口，其他全部关闭。命令是sudo ufw allow 22/tcp和sudo ufw allow 34567/tcp，然后sudo ufw enable。第四，禁用密码登录SSH，改用密钥登录。生成密钥对：ssh-keygen -t ed25519，然后把公钥复制到树莓派的~/.ssh/authorized_keys文件里。编辑/etc/ssh/sshd_config，把PasswordAuthentication改成no，重启SSH服务。

第五，定期更新系统和容器。sudo apt update && sudo apt full-upgrade -y每周跑一次。Docker镜像也要定期更新，docker compose pull拉取最新镜像，然后docker compose up -d重启服务。但注意，更新之前一定要备份数据库，因为新版本有时候会有数据库迁移，迁移失败就麻烦了。

7.3 用户管理和权限隔离

如果你给家里人用，一定要给每人创建独立账号。Immich支持多用户，每个用户的照片互相隔离，看不到别人的。创建用户的步骤：用管理员账号登录，进入“管理”页面，点“创建用户”，填邮箱和密码。然后告诉家里人用这个账号登录手机App，他们的照片就会自动备份到自己的空间里。

权限方面，普通用户只能看自己的照片，不能管理服务。管理员可以看所有用户的状态，但不能看普通用户的照片内容。这个设计很合理，既方便管理，又保护隐私。如果你想让家里人共享某些照片，可以创建共享相册，把特定照片放进去，然后邀请其他用户加入。共享相册里的照片，所有成员都能看。

还有一个细节是存储配额。Immich支持给每个用户设置存储上限，防止某个用户把硬盘塞满。在“管理”页面，编辑用户，设置“存储配额”，比如每人50GB。超过配额之后，该用户不能再上传新照片，但已有的照片不受影响。这个功能在多用户环境下非常实用。

8. 性能实测与扩展玩法

8.1 树莓派5跑AI照片服务器的真实性能数据

我用一万张照片做了完整测试，照片平均大小4MB，格式是JPEG和HEIC混合。测试结果如下：缩略图生成，一万张照片耗时约45分钟，平均每张0.27秒。人脸识别，一万张照片耗时约2小时50分钟，平均每张1.02秒。物体识别和语义向量，一万张照片耗时约3小时20分钟，平均每张1.2秒。全部索引完成总共约7小时，跑了一个晚上。

内存占用方面，空闲时系统占用约1.2GB，跑人脸识别时峰值到4.5GB，跑物体识别时峰值到5.2GB。CPU占用，空闲时5%左右，跑AI时四个核心全部满载，温度稳定在60度左右。功耗方面，空闲时约5W，满载时约12W，一天耗电约0.15度，一个月电费不到3块钱。这个功耗比成品NAS低多了。

搜索响应速度，按人脸搜索，一万张照片里搜一个人，结果返回时间约1.5秒。按语义搜索，搜“海滩日落”，返回时间约2秒。按时间浏览，加载一个月的缩略图，时间约0.8秒。整体体验非常流畅，跟云相册差不多，但数据完全在自己手里。

8.2 后续可以扩展的玩法和功能

这套系统跑通之后，可以扩展很多玩法。第一，接入监控摄像头。用ffmpeg把摄像头的RTSP流截帧，存到Immich的监控相册里，这样家门口的录像也能统一管理。第二，接入无人机照片。大疆无人机拍的照片有GPS信息，Immich能自动按地图归类，你可以在地图上看到每张照片的拍摄位置。第三，接入扫描仪。把老照片扫描成电子版，导入Immich，用AI自动修复和上色。

第四，搭建照片展示墙。用树莓派接一个旧显示器，跑一个幻灯片程序，自动轮播Immich里的照片。我家里就搞了一个，放在客厅，每天自动播放孩子的照片，效果很好。第五，接入智能音箱。用Home Assistant把Immich接入智能家居系统，对着音箱说“播放去年的今天”，电视上就会显示对应的照片。这个玩法需要一点智能家居的基础，但实现起来不难。

第六，做照片自动整理。写一个Python脚本，调用Immich的API，定期把照片按人物、地点、事件自动分类到不同相册。比如把所有包含“孩子”的照片自动放到“成长记录”相册，把所有在海边拍的照片放到“旅行”相册。这个脚本我还在写，跑通之后会分享出来。

8.3 我踩过的坑和最后的建议

最后分享几个我踩过的坑。第一，别用SD卡跑数据库，我坏了三张SD卡才明白这个道理。第二，别用便宜的电源，电压不稳会导致硬盘掉盘，数据损坏。第三，别在白天跑AI索引，CPU满载的时候其他服务会卡，体验很差。第四，别忘记备份，我丢过一次数据，重新索引花了两天，那种感觉不想再体验第二次。

如果你刚开始折腾，我的建议是先跑通基本功能，别一上来就追求完美。先把照片导进去，能看能搜就行。然后慢慢调优AI模型，换更快的模型，调参数。最后再搞备份和安全加固。一步一步来，遇到问题就查日志，Immich的社区很活跃，大部分问题都能找到答案。

这套系统我跑了半年多，稳定性很好，除了偶尔更新容器需要重启，平时基本不用管。家里人也都习惯了用自己的私有相册，手机照片自动备份，再也不用担心云盘限速或者收费。如果你也想把照片的控制权拿回来，树莓派5加Immich这套方案，值得一试。