Label Studio 部署系统要求全解析Python/端口/数据库与服务器资源规划指南【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studioLabel Studio 是一款支持图像、文本、音频、视频等多类型数据标注的开源工具无论以 pip 安装、Docker 容器还是源码方式运行都必须在满足基本软硬件条件的环境中才能稳定工作。本文以官方文档的 deploy.md 系统要求 为核心逐项解析其操作系统、端口、服务器资源与数据库版本要求并结合当前仓库的 pyproject.toml、server.py、Dockerfile 等源码与部署文件说明每一项要求在实现层面的依据与调优空间。该 include 文件被 install.md、install_requirements.md 与 install_enterprise_docker.md 三篇安装指南共同引用也就是说任何方式部署 Label Studio 之前系统要求都是首先需要确认的前提条件。操作系统要求Linux / Windows / macOS文档给出的操作系统要求非常宽泛可以在运行 Python 3.6 或更高版本的 Linux、Windows 或 macOS 机器上安装 Label Studio。不过需要特别说明的是这一描述与当前仓库的实际情况存在差异——该文档片段保留了历史版本的说法而当前仓库对 Python 版本的要求已经显著提高。根据仓库根目录 pyproject.toml 中的声明requires-python 3.10,4即当前版本要求Python 3.10 及以上3.x 全系支持且工程内 ruff 的target-version同样以py310为最低目标。因此如果你是从本仓库源码或当前版本 pip 包进行安装实际的最低 Python 版本应为3.10文档中3.6 or later的表述适用于早期历史版本已不适用于当前代码基线。同时pyproject.toml 中的分类器声明Operating System :: OS Independent印证了官方对三大桌面操作系统Linux、Windows、macOS的通用支持策略。如果你使用 Windows可以参考 install.md 中针对 Windows 的 Docker 卷路径写法%cd%/mydata与${PWD}/mydata并注意 argparser 中保留的--agree-fix-sqlite参数见 argparser.py它用于在旧版 Python3.6–3.8的 Windows 环境下自动修复 SQLite 兼容问题——从侧面印证文档关于多操作系统可安装的描述在历史上是有明确场景支撑的。端口要求默认 8080 及其背后逻辑Label Studio 默认监听8080 端口。如果要使用其他端口在启动 Label Studio 时指定即可启动参数详见 start.md 文档。这一点在源码中有非常清晰的实现依据。在 server.py 的main()入口函数中端口的解析顺序为internal_port input_args.port or get_env(PORT) or config.get(port, 8080)也就是说端口取值优先级为命令行-p/--port参数 环境变量PORT 配置文件中的port字段 默认值 8080。同时 argparser.py 中定义了-p, --port参数base.py 设置文件 中的INTERNAL_PORT 8080也是默认端口常量。更值得注意的是端口被占用时的自动处理机制。在非 debug 模式下server.py 的_get_free_port()函数会检测端口是否被占用如果 8080 被占用会自动尝试8081、8082…… 依次递增最多尝试1000 个新端口若仍然找不到可用端口则抛出ConnectionError并提示错误信息启动时会把最终选定的端口写入settings.INTERNAL_PORT并据此拼接浏览器访问地址http://localhost:port。此外在 Docker 部署场景下镜像内的端口映射在 Dockerfile 中通过EXPOSE 8080声明宿主机端口则通过docker run -p或 docker-compose.yml 中ports: - 8080:8085的映射关系来控制。服务器磁盘要求按数据量规划标注存储文档给出的磁盘规划建议分为两层基准数据量参考使用 SQLite 数据库时100 万条标注任务大约占用 2.3GB 磁盘空间生产环境建议为生产实例预留50GB 磁盘空间。这个数据主要落在 Label Studio 的数据目录中。从 base.py 可以看到BASE_DATA_DIR get_env(BASE_DATA_DIR) if BASE_DATA_DIR is None: BASE_DATA_DIR get_data_dir()数据目录的优先级为环境变量BASE_DATA_DIR 平台用户数据目录由 io.py 中的get_data_dir()基于user_data_dir计算。默认情况下 SQLite 数据库文件label_studio.sqlite3就存放在该目录下见 base.py。此外该目录还承载上传的媒体文件MEDIA_ROOT默认BASE_DATA_DIR/media见 base.py和导出目录EXPORT_DIR见 base.py。在 Docker 部署中这个数据目录通过卷挂载映射到宿主机。例如 install.md 给出的标准命令docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest容器内路径/label-studio/data正是 Dockerfile 中设置的LABEL_STUDIO_BASE_DATA_DIR/label-studio/datadocker-compose.yml 中同样以./mydata:/label-studio/data:rw挂载。也就是说标注数据、媒体文件与数据库都会写入这个挂载目录磁盘规划时必须为其预留足够空间。服务器内存要求8GB 起步16GB 推荐文档的内存建议为最低 8GB RAM推荐 16GB RAM并给出 AWS 实例类型的参考例如 t3.large 或 t3.xlarge。需要强调的是这是面向运行 Label Studio 服务器本身的资源基线未计入浏览器标注页面、图片/视频渲染以及标注人员并行操作时的额外开销。如果团队协作标注、需要同时渲染视频或大图实际内存需求会高于此基线。此外若在同一台机器上运行前端构建见 Dockerfile 中NODE_OPTIONS--max-old-space-size4096为前端构建预留 4GB 堆内存或数据库服务也需要将这些进程的占用一并计入总内存规划。文档中给出的 t3.large / t3.xlarge 属于官方文档的参考示例选购云主机时可以以此为起点再结合实际并发标注人数与数据类型纯文本任务的内存占用远低于视频标注做弹性调整。软件数据库要求PostgreSQL 14 或 SQLite 3.35数据库方面文档明确要求PostgreSQL 版本 14 或更高或SQLite 版本 3.35 或更高。源码中的数据库支持从 base.py 的数据库配置可以看到Label Studio 内置了三套数据库后端定义数据库ENGINE关键环境变量默认端口PostgreSQL默认django.db.backends.postgresqlPOSTGRE_USER/POSTGRE_PASSWORD/POSTGRE_NAME/POSTGRE_HOST/POSTGRE_PORT5432MySQLdjango.db.backends.mysqlMYSQL_USER/MYSQL_PASSWORD/MYSQL_NAME/MYSQL_HOST/MYSQL_PORT3306SQLitedjango.db.backends.sqlite3DATABASE_NAME—其中PostgreSQL 是默认后端DATABASES_ALL[default] DATABASES_ALL[DJANGO_DB_POSTGRESQL]并通过DJANGO_DB环境变量切换设置为sqlite时使用 SQLite设置为mysql时使用 MySQL。SQLite 的默认数据库文件路径为DATABASE_NAME默认位于数据目录下的label_studio.sqlite3。依赖层面pyproject.toml 引入了psycopg[binary] (3.2.0,4.0.0)作为 PostgreSQL 驱动。在 Docker Compose 部署中docker-compose.yml 默认拉起 PostgreSQL 17 容器pgautoupgrade/pgautoupgrade:17-alpine并通过POSTGRE_NAMEpostgres、POSTGRE_USERpostgres、POSTGRE_HOSTdb等环境变量将应用与数据库关联——这也是文档提到docker-compose up 会以 PostgreSQL 作为后端的实现基础。为什么 SQLite 版本有下限SQLite 版本要求3.35与 Django 及 Label Studio 使用的 SQL 特性相关。另外在 server.py 中有一个细节当检测到 SQLite 连接且设置了AZURE_MOUNT_FIX环境变量时会执行PRAGMA journal_modewal;开启 WAL 日志模式用于在 Azure 挂载场景下保证数据完整性约束——这说明项目对 SQLite 在不同部署环境下的行为有针对性适配。数据库存储能力说明关于 storedata.md 中数据库存储配置的详细说明使用 SQLite 时全部标注数据都存放在单个.sqlite3文件中切换为 PostgreSQL 后数据写入独立数据库服务且 base.py 显示项目同时保留了对 MySQL 的配置支持。在团队并发标注、任务量较大的场景文档建议优先选用 PostgreSQL 14。部署形态与要求的关系文档的系统要求被三个安装指南复用因此可以针对不同部署方式对照审视pip 安装本机运行满足操作系统、Python 3.10当前版本、端口与内存要求即可数据默认落在本机数据目录参见 install.mdDocker 部署镜像基于 Python 3.13 Alpine 构建Dockerfile以 UID 1001 的非 root 用户运行需注意挂载目录权限docker-compose up -d会同时拉起 Nginx、应用与 PostgreSQL 三组服务参见 docker-compose.yml离线/内网部署可先在有网环境docker pull镜像再通过docker save/docker image import迁移到无网主机操作步骤见 install.md。无论哪种方式deploy.md 中的端口、磁盘、内存与数据库版本基线都是共通的部署前置检查项。快速自检清单部署前可参照以下清单逐项核对每一项都可以在上文找到源码或文档依据检查项要求依据操作系统Linux / Windows / macOSdeploy.mdOS Independent分类器见 pyproject.tomlPython 版本3.10当前版本历史文档为 3.6pyproject.toml 的requires-python默认端口8080被占用时自动递增尝试最多 1000 个端口server.py、Dockerfile磁盘100 万任务 ≈ 2.3GBSQLite生产建议 50GBdeploy.md内存最低 8GB推荐 16GBdeploy.md数据库PostgreSQL 14 或 SQLite 3.35deploy.md、base.py浏览器以最新版 Google Chrome 为主要测试目标install.md结语Label Studio 的部署系统要求并不苛刻主流桌面操作系统、16GB 内存、50GB 磁盘加上 PostgreSQL 14 即可支撑一个生产环境实例。理解每一项要求背后的实现逻辑端口优先级与自动递增、数据目录的落盘位置、默认 PostgreSQL 后端与切换方式能帮助你在规划容量、排查端口冲突和切换数据库时少走弯路。若要继续深入可进一步阅读仓库中的 install.md安装方式全景、install_requirements.md要求与安装速查以及 storedata.md数据库存储配置。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Label Studio 部署系统要求全解析：Python/端口/数据库与服务器资源规划指南
Label Studio 部署系统要求全解析Python/端口/数据库与服务器资源规划指南【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studioLabel Studio 是一款支持图像、文本、音频、视频等多类型数据标注的开源工具无论以 pip 安装、Docker 容器还是源码方式运行都必须在满足基本软硬件条件的环境中才能稳定工作。本文以官方文档的 deploy.md 系统要求 为核心逐项解析其操作系统、端口、服务器资源与数据库版本要求并结合当前仓库的 pyproject.toml、server.py、Dockerfile 等源码与部署文件说明每一项要求在实现层面的依据与调优空间。该 include 文件被 install.md、install_requirements.md 与 install_enterprise_docker.md 三篇安装指南共同引用也就是说任何方式部署 Label Studio 之前系统要求都是首先需要确认的前提条件。操作系统要求Linux / Windows / macOS文档给出的操作系统要求非常宽泛可以在运行 Python 3.6 或更高版本的 Linux、Windows 或 macOS 机器上安装 Label Studio。不过需要特别说明的是这一描述与当前仓库的实际情况存在差异——该文档片段保留了历史版本的说法而当前仓库对 Python 版本的要求已经显著提高。根据仓库根目录 pyproject.toml 中的声明requires-python 3.10,4即当前版本要求Python 3.10 及以上3.x 全系支持且工程内 ruff 的target-version同样以py310为最低目标。因此如果你是从本仓库源码或当前版本 pip 包进行安装实际的最低 Python 版本应为3.10文档中3.6 or later的表述适用于早期历史版本已不适用于当前代码基线。同时pyproject.toml 中的分类器声明Operating System :: OS Independent印证了官方对三大桌面操作系统Linux、Windows、macOS的通用支持策略。如果你使用 Windows可以参考 install.md 中针对 Windows 的 Docker 卷路径写法%cd%/mydata与${PWD}/mydata并注意 argparser 中保留的--agree-fix-sqlite参数见 argparser.py它用于在旧版 Python3.6–3.8的 Windows 环境下自动修复 SQLite 兼容问题——从侧面印证文档关于多操作系统可安装的描述在历史上是有明确场景支撑的。端口要求默认 8080 及其背后逻辑Label Studio 默认监听8080 端口。如果要使用其他端口在启动 Label Studio 时指定即可启动参数详见 start.md 文档。这一点在源码中有非常清晰的实现依据。在 server.py 的main()入口函数中端口的解析顺序为internal_port input_args.port or get_env(PORT) or config.get(port, 8080)也就是说端口取值优先级为命令行-p/--port参数 环境变量PORT 配置文件中的port字段 默认值 8080。同时 argparser.py 中定义了-p, --port参数base.py 设置文件 中的INTERNAL_PORT 8080也是默认端口常量。更值得注意的是端口被占用时的自动处理机制。在非 debug 模式下server.py 的_get_free_port()函数会检测端口是否被占用如果 8080 被占用会自动尝试8081、8082…… 依次递增最多尝试1000 个新端口若仍然找不到可用端口则抛出ConnectionError并提示错误信息启动时会把最终选定的端口写入settings.INTERNAL_PORT并据此拼接浏览器访问地址http://localhost:port。此外在 Docker 部署场景下镜像内的端口映射在 Dockerfile 中通过EXPOSE 8080声明宿主机端口则通过docker run -p或 docker-compose.yml 中ports: - 8080:8085的映射关系来控制。服务器磁盘要求按数据量规划标注存储文档给出的磁盘规划建议分为两层基准数据量参考使用 SQLite 数据库时100 万条标注任务大约占用 2.3GB 磁盘空间生产环境建议为生产实例预留50GB 磁盘空间。这个数据主要落在 Label Studio 的数据目录中。从 base.py 可以看到BASE_DATA_DIR get_env(BASE_DATA_DIR) if BASE_DATA_DIR is None: BASE_DATA_DIR get_data_dir()数据目录的优先级为环境变量BASE_DATA_DIR 平台用户数据目录由 io.py 中的get_data_dir()基于user_data_dir计算。默认情况下 SQLite 数据库文件label_studio.sqlite3就存放在该目录下见 base.py。此外该目录还承载上传的媒体文件MEDIA_ROOT默认BASE_DATA_DIR/media见 base.py和导出目录EXPORT_DIR见 base.py。在 Docker 部署中这个数据目录通过卷挂载映射到宿主机。例如 install.md 给出的标准命令docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest容器内路径/label-studio/data正是 Dockerfile 中设置的LABEL_STUDIO_BASE_DATA_DIR/label-studio/datadocker-compose.yml 中同样以./mydata:/label-studio/data:rw挂载。也就是说标注数据、媒体文件与数据库都会写入这个挂载目录磁盘规划时必须为其预留足够空间。服务器内存要求8GB 起步16GB 推荐文档的内存建议为最低 8GB RAM推荐 16GB RAM并给出 AWS 实例类型的参考例如 t3.large 或 t3.xlarge。需要强调的是这是面向运行 Label Studio 服务器本身的资源基线未计入浏览器标注页面、图片/视频渲染以及标注人员并行操作时的额外开销。如果团队协作标注、需要同时渲染视频或大图实际内存需求会高于此基线。此外若在同一台机器上运行前端构建见 Dockerfile 中NODE_OPTIONS--max-old-space-size4096为前端构建预留 4GB 堆内存或数据库服务也需要将这些进程的占用一并计入总内存规划。文档中给出的 t3.large / t3.xlarge 属于官方文档的参考示例选购云主机时可以以此为起点再结合实际并发标注人数与数据类型纯文本任务的内存占用远低于视频标注做弹性调整。软件数据库要求PostgreSQL 14 或 SQLite 3.35数据库方面文档明确要求PostgreSQL 版本 14 或更高或SQLite 版本 3.35 或更高。源码中的数据库支持从 base.py 的数据库配置可以看到Label Studio 内置了三套数据库后端定义数据库ENGINE关键环境变量默认端口PostgreSQL默认django.db.backends.postgresqlPOSTGRE_USER/POSTGRE_PASSWORD/POSTGRE_NAME/POSTGRE_HOST/POSTGRE_PORT5432MySQLdjango.db.backends.mysqlMYSQL_USER/MYSQL_PASSWORD/MYSQL_NAME/MYSQL_HOST/MYSQL_PORT3306SQLitedjango.db.backends.sqlite3DATABASE_NAME—其中PostgreSQL 是默认后端DATABASES_ALL[default] DATABASES_ALL[DJANGO_DB_POSTGRESQL]并通过DJANGO_DB环境变量切换设置为sqlite时使用 SQLite设置为mysql时使用 MySQL。SQLite 的默认数据库文件路径为DATABASE_NAME默认位于数据目录下的label_studio.sqlite3。依赖层面pyproject.toml 引入了psycopg[binary] (3.2.0,4.0.0)作为 PostgreSQL 驱动。在 Docker Compose 部署中docker-compose.yml 默认拉起 PostgreSQL 17 容器pgautoupgrade/pgautoupgrade:17-alpine并通过POSTGRE_NAMEpostgres、POSTGRE_USERpostgres、POSTGRE_HOSTdb等环境变量将应用与数据库关联——这也是文档提到docker-compose up 会以 PostgreSQL 作为后端的实现基础。为什么 SQLite 版本有下限SQLite 版本要求3.35与 Django 及 Label Studio 使用的 SQL 特性相关。另外在 server.py 中有一个细节当检测到 SQLite 连接且设置了AZURE_MOUNT_FIX环境变量时会执行PRAGMA journal_modewal;开启 WAL 日志模式用于在 Azure 挂载场景下保证数据完整性约束——这说明项目对 SQLite 在不同部署环境下的行为有针对性适配。数据库存储能力说明关于 storedata.md 中数据库存储配置的详细说明使用 SQLite 时全部标注数据都存放在单个.sqlite3文件中切换为 PostgreSQL 后数据写入独立数据库服务且 base.py 显示项目同时保留了对 MySQL 的配置支持。在团队并发标注、任务量较大的场景文档建议优先选用 PostgreSQL 14。部署形态与要求的关系文档的系统要求被三个安装指南复用因此可以针对不同部署方式对照审视pip 安装本机运行满足操作系统、Python 3.10当前版本、端口与内存要求即可数据默认落在本机数据目录参见 install.mdDocker 部署镜像基于 Python 3.13 Alpine 构建Dockerfile以 UID 1001 的非 root 用户运行需注意挂载目录权限docker-compose up -d会同时拉起 Nginx、应用与 PostgreSQL 三组服务参见 docker-compose.yml离线/内网部署可先在有网环境docker pull镜像再通过docker save/docker image import迁移到无网主机操作步骤见 install.md。无论哪种方式deploy.md 中的端口、磁盘、内存与数据库版本基线都是共通的部署前置检查项。快速自检清单部署前可参照以下清单逐项核对每一项都可以在上文找到源码或文档依据检查项要求依据操作系统Linux / Windows / macOSdeploy.mdOS Independent分类器见 pyproject.tomlPython 版本3.10当前版本历史文档为 3.6pyproject.toml 的requires-python默认端口8080被占用时自动递增尝试最多 1000 个端口server.py、Dockerfile磁盘100 万任务 ≈ 2.3GBSQLite生产建议 50GBdeploy.md内存最低 8GB推荐 16GBdeploy.md数据库PostgreSQL 14 或 SQLite 3.35deploy.md、base.py浏览器以最新版 Google Chrome 为主要测试目标install.md结语Label Studio 的部署系统要求并不苛刻主流桌面操作系统、16GB 内存、50GB 磁盘加上 PostgreSQL 14 即可支撑一个生产环境实例。理解每一项要求背后的实现逻辑端口优先级与自动递增、数据目录的落盘位置、默认 PostgreSQL 后端与切换方式能帮助你在规划容量、排查端口冲突和切换数据库时少走弯路。若要继续深入可进一步阅读仓库中的 install.md安装方式全景、install_requirements.md要求与安装速查以及 storedata.md数据库存储配置。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
