前言

随着人工智能技术的快速发展，大语言模型已经成为各行各业关注的焦点。但对于个人开发者和中小企业来说，如何在有限的硬件条件下部署和使用大模型，一直是个难题。
本文将手把手教你在 openEuler 25.09 系统上使用 Ollama 部署本地大模型，即使是普通配置的服务器也能轻松运行！

本文亮点：

• ✅ 零基础友好：从系统检查到模型运行，每一步都有详细命令
• ✅ 完全离线：部署后无需联网，数据安全有保障
• ✅ 配置要求低：8GB 内存即可运行，适合测试和学习
• ✅ 真实测试数据：包含完整的性能测试和资源占用分析
  写这篇教程的目的很简单：让更多人能够低门槛地接触和使用大模型技术。
  💡 重要提示：本教程在 7.2GB 内存、6 核 CPU 的测试环境下完成，配置不高但足够使用。只要按照教程一步步来，你也能成功部署自己的本地大模型！

📊 我的配置
由于我是测试环境 配置不怎么好 但是教程是绝对的（按照我的教程一步来即可部署大模型）

项目	配置	状态
操作系统	openEuler 25.09	✅ 最新版本！
CPU	*	*
内存	7.2GB 总量，6.4GB 可用	✅ 足够
磁盘	根目录 69GB，已用 5.9GB	✅ 空间充足
Swap	3.9GB	✅ 很好

镜像地址：https://www.openeuler.org/en/ 点击直达

第一步：系统环境检查与准备1.1 检查系统版本

1.1 检查系统版本

# 查看系统版本
cat /etc/os-release

# 查看内核版本
uname -r

---

1.2 检查硬件配置

# 查看 CPU 信息
lscpu | grep -E "Model name|CPU\(s\)|Thread"

# 查看内存信息
free -h

# 查看磁盘空间
df -h

# 记录这些数据（写文章时放在"测试环境"部分）

最低配置要求：

• CPU: 4核
• 内存: 8GB
• 磁盘: 20GB 可用空间

---

1.3 更新系统（可选但推荐）

# 更新软件包列表
sudo dnf update -y

# 安装基础工具
sudo dnf install -y wget curl vim htop

---

第二步：安装 Ollama

下载并安装 Ollama 慢不行

# 使用官方安装脚本（推荐方式）
curl -fsSL https://ollama.com/install.sh | sh

如果上面的命令失败（网络问题），使用手动安装：
备用路线 但是大家可以去官方下载也 x！！！

# 手动下载最新版本（以 0.3.14 为例，请访问 https://github.com/ollama/ollama/releases 查看最新版本）
wget https://github.com/ollama/ollama/releases/download/v0.3.14/ollama-linux-amd64

# 移动到系统路径
sudo mv ollama-linux-amd64 /usr/local/bin/ollama

# 添加执行权限
sudo chmod +x /usr/local/bin/ollama

# 验证安装
ollama --version

报错
我下载的时候镜像有问题 可能没魔法的原因 出现了很多错误镜像一个个都i不行
以下命令解决了我的问题
https://github.com/ollama/ollama/releases
在这里找源码包上传到服务器
我成功下载了
上传到放服务器

编译安装

# 1. 删除错误移动的文件
sudo rm -f /usr/local/bin/ollama

# 2. 查看 bin 目录内容
ls -lh ~/bin/

# 3. 正确移动可执行文件
sudo cp ~/bin/ollama /usr/local/bin/

# 4. 添加执行权限
sudo chmod +x /usr/local/bin/ollama

# 5. 验证安装
ollama --version

---

启动 Ollama 服务

# 方式一：直接启动（前台运行，测试用）
ollama serve

# 方式二：后台运行（推荐）
nohup ollama serve > /tmp/ollama.log 2>&1 &

# 检查服务是否启动
ps aux | grep ollama

别着急 等待 启动成功
成功启动 Ollama

---

第三步：下载并运行小模型

3.1 选择模型

推荐模型（按大小排序）：
qwen2.5:1.5b - 1.5GB，速度最快，适合测试
gemma2:2b - 2GB，Google 出品
llama3.2:3b - 3GB，Meta 最新，综合性能好
我们先用最小的模型测试：

# 下载 Qwen 2.5 1.5B 模型（约 1.5GB，下载需要几分钟）
ollama pull qwen2.5:1.5b

下载过程示例：

---

3.2 查看已下载的模型

# 列出所有模型
ollama list

预期输出：

[root@openEuler-ollama ~]# ollama list
NAME            ID              SIZE      MODIFIED      
qwen2.5:0.5b    a8b0c5157701    397 MB    2 minutes ago    

---

第四步：基础功能测试

4.1 第一次运行模型

# 运行模型（交互模式）
ollama run qwen2.5:1.5b

进入交互界面后，测试以下问题：

---

4.2 使用命令行直接提问（非交互模式）

# 单次提问
 ollama run qwen2.5:0.5b "用一句话介绍 大模型"

---

第五步：性能测试

5.1 推理速度测试

创建测试脚本：

# 创建测试目录
mkdir -p ~/ollama_test
cd ~/ollama_test

# 创建推理速度测试脚本
cat > test_inference_speed.sh <<'EOF'
#!/bin/bash

echo "========================================="
echo "Ollama 推理速度测试"
echo "测试时间: $(date)"
echo "========================================="

MODEL="qwen2.5:1.5b"

# 测试 1：短问题
echo -e "
【测试1】短问题（10字以内）"
echo "问题：介绍 大模型含义"
time ollama run $MODEL "介绍 大模型的含义" 2>&1 | tee test1_output.txt

# 测试 2：中等问题
echo -e "
【测试2】中等问题（50字左右）"
echo "问题：详细介绍 openEuler 操作系统的特点和应用场景"
time ollama run $MODEL "详细介绍 openEuler 操作系统的特点和应用场景" 2>&1 | tee test2_output.txt

# 测试 3：长问题
echo -e "
【测试3】长问题（100字以上）"
echo "问题：作为系统管理员，我想在生产环境部署容器化应用，请对比 Docker 和 Podman 的优缺点，并给出选择建议"
time ollama run $MODEL "作为系统管理员，我想在生产环境部署容器化应用，请对比 Docker 和 Podman 的优缺点，并给出选择建议" 2>&1 | tee test3_output.txt

echo -e "
========================================="
echo "测试完成！结果已保存到当前目录"
echo "========================================="
EOF

# 添加执行权限
chmod +x test_inference_speed.sh

# 运行测试
./test_inference_speed.sh

测试完成后，记录以下数据：
每个测试的 real 时间（总耗时）
输出文件中的 tokens/s（推理速度）

---

5.2 资源占用测试

创建资源监控脚本：

# 创建资源监控脚本
cat > test_resource_usage.sh <<'EOF'
#!/bin/bash

echo "========================================="
echo "Ollama 资源占用测试"
echo "测试时间: $(date)"
echo "========================================="

MODEL="qwen2.5:1.5b"

# 启动后台监控
echo -e "
开始监控资源占用..."

# 获取 Ollama 进程 PID
OLLAMA_PID=$(pgrep -f "ollama serve")

if [ -z "$OLLAMA_PID" ]; then
    echo "错误：Ollama 服务未运行！"
    echo "请先运行：nohup ollama serve > /tmp/ollama.log 2>&1 &"
    exit 1
fi

echo "Ollama 进程 PID: $OLLAMA_PID"

# 记录初始状态
echo -e "
【初始状态】（模型未加载）"
ps aux | grep ollama | grep -v grep
free -h

# 加载模型并提问
echo -e "
【加载模型并推理】"
ollama run $MODEL "详细介绍 计算机" > /dev/null &
QUERY_PID=$!

# 等待 3 秒让模型加载
sleep 3

# 记录运行时状态
echo -e "
【运行时状态】（模型已加载）"
ps aux | grep ollama | grep -v grep
free -h

# 使用 top 记录 CPU 使用率（5 秒）
echo -e "
【CPU 使用率】（采样 5 秒）"
top -b -n 5 -d 1 -p $OLLAMA_PID | grep ollama

# 等待查询完成
wait $QUERY_PID

echo -e "
========================================="
echo "资源测试完成！"
echo "========================================="
EOF

# 添加执行权限
chmod +x test_resource_usage.sh

# 运行测试
./test_resource_usage.sh

记录以下数据：
初始内存占用（模型未加载）
运行时内存占用（模型已加载）
CPU 使用率峰值

---

第六步：收集测试数据

6.1 生成测试报告

# 创建报告生成脚本
cat > generate_report.sh <<'EOF'
#!/bin/bash

REPORT_FILE="ollama_test_report.txt"

cat > $REPORT_FILE <<REPORT
========================================
openEuler + Ollama 性能测试报告
========================================

生成时间: $(date)

----------------------------------------
1. 系统环境
----------------------------------------
操作系统: $(cat /etc/os-release | grep "PRETTY_NAME" | cut -d'"' -f2)
内核版本: $(uname -r)
CPU: $(lscpu | grep "Model name" | cut -d':' -f2 | xargs)
CPU 核心数: $(nproc)
内存: $(free -h | grep Mem | awk '{print $2}')
磁盘: $(df -h / | tail -1 | awk '{print $2}')

----------------------------------------
2. Ollama 信息
----------------------------------------
Ollama 版本: $(ollama --version 2>/dev/null || echo "未安装")
已下载模型:
$(ollama list 2>/dev/null || echo "无")

----------------------------------------
3. 测试文件清单
----------------------------------------
$(ls -lh ~/ollama_test/ 2>/dev/null || echo "测试目录不存在")

----------------------------------------
说明
----------------------------------------
详细测试结果请查看 ~/ollama_test/ 目录下的文件：
- test1_output.txt: 短问题测试结果
- test2_output.txt: 中等问题测试结果
- test3_output.txt: 长问题测试结果
- query_*.txt: 批量测试结果

========================================
REPORT

echo "报告已生成: $REPORT_FILE"
cat $REPORT_FILE
EOF

chmod +x generate_report.sh
./generate_report.sh

---

说明
----------------------------------------
详细测试结果请查看 ~/ollama_test/ 目录下的文件：
- test1_output.txt: 短问题测试结果
- test2_output.txt: 中等问题测试结果
- test3_output.txt: 长问题测试结果
- query_*.txt: 批量测试结果

---

测试数据记录模板

表2: 模型信息
我们测试了 Qwen2.5 系列的两个模型，它们在模型大小和下载时间上有明显差异：

模型名称	大小	下载时间
qwen2.5:0.5b	397 MB	约 30 秒
qwen2.5:1.5b	986 MB	约 1 分钟

---

表3: 推理速度测试
为了评估模型在不同问题长度下的表现，我们设计了三组测试，分别对应短、中、长三种问题类型。

测试项	问题长度	总耗时(秒)	推理速度(tokens/s)
测试1	短(10字)	48.8	6.5
测试2	中(50字)	52	6.3
测试3	长(100字+)	70.3	6.8

平均推理速度: 6.5 tokens/s

---

表4: 资源占用
资源占用测试帮助我们了解模型运行时对系统资源的需求，这对于生产环境部署至关重要。

状态	内存占用	CPU 使用率
初始状态	153 MB	1.40%
运行时	1.17 GB	320%

说明: CPU 使用率 320% 表示使用了约 3.2 个 CPU 核心

---

表5: 测试汇总
通过连续执行多个问题，我们可以评估模型的稳定性和平均表现。

指标	数值
测试问题数	3
总耗时	171.1 秒
平均耗时	57 秒/问题

openEuler 资源管理能力

资源占用分析:
内存占用合理: 1.17 GB 对于 1.5B 参数模型来说属于正常水平
CPU 利用率高: 能够充分利用多核 CPU（3.2/6 核心），无资源浪费
空闲时轻量: 服务空闲时仅占用 153 MB，对系统影响极小
资源隔离: openEuler 的 cgroup 机制确保 Ollama 不会影响其他服务

openEuler 的资源管理优势

1. 智能调度: 自动识别 CPU 密集型任务，优先分配计算资源
2. 内存压缩: 支持内存压缩技术，提升内存利用率
3. NUMA 优化: 在多处理器系统上，NUMA 感知调度性能更优
4. 监控便捷: 系统自带 atop、htop 等监控工具，便于实时观察

结尾小总结

通过本次实践，我们成功在 openEuler 25.09 系统上部署了本地大模型，并完成了一系列性能测试。虽然测试环境配置不高（7.2GB 内存、6 核 CPU），但整个过程非常顺利，这充分证明了：
✅ 部署本地大模型并不需要顶级配置
✅ openEuler 系统对 AI 应用的支持非常友好
✅ Ollama 工具简单易用，适合快速上手

如果您正在寻找面向未来的开源操作系统，不妨看看DistroWatch 榜单中快速上升的 openEuler:https://distrowatch.com/table-mobile.php?distribution=openeuler，一个由开放原子开源基金会孵化、支持“超节点”场景的Linux 发行版。
openEuler官网：https://www.openeuler.openatom.cn/zh/

🚀写在最后

希望我的分享能够帮助到更多的人，如果觉得我的分享有帮助的话，请大家一键三连支持一下哦~
❤️原创不易，期待你的关注与支持~
点赞👍+收藏⭐️+评论✍️
😊之后我会继续更新前端学习小知识，关注我不迷路~