DocReader 是 WeKnora 项目中负责文档解析和处理的 gRPC 服务。它支持多种文档格式的读取、OCR 识别、多模态处理等功能。

在 docker-compose.yml 文件中，docreader 服务配置了以下环境变量：

docreader:
  image: wechatopenai/weknora-docreader:${WEKNORA_VERSION:-latest}
  environment:
    - MINIO_ENDPOINT=minio:9000
    - MINIO_PUBLIC_ENDPOINT=http://localhost:${MINIO_PORT:-9000}
    - MINERU_ENDPOINT=${MINERU_ENDPOINT:-}
    - MAX_FILE_SIZE_MB=${MAX_FILE_SIZE_MB:-}

• 说明: MinIO 服务的内部访问地址（容器间通信）
• 默认值: minio:9000
• 用途: DocReader 服务使用此地址连接到 MinIO 对象存储服务，用于读取和存储文档处理过程中的文件
• 配置示例:

  - MINIO_ENDPOINT=minio:9000  # Docker 网络内部地址

• 说明: MinIO 服务的公开访问地址（外部访问）
• 默认值: http://localhost:9000
• 用途: 用于生成可从外部访问的文件 URL，例如在文档解析后返回图片链接时使用
• 重要提示:
  • 如果需要从其他设备或容器访问，需要将 localhost 替换为实际的 IP 地址
  • 可以在 .env 文件中配置 MINIO_PORT 来自定义端口
• 配置示例:

  # .env 文件
  MINIO_PORT=9000

  或直接在 docker-compose.yml 中修改：

  - MINIO_PUBLIC_ENDPOINT=http://192.168.1.100:9000  # 使用实际 IP

• 说明: MinerU 服务的访问地址（可选）
• 默认值: 空（不使用 MinerU）
• 用途: MinerU 是一个高级文档解析服务，支持更复杂的文档结构识别和处理。配置此变量后，DocReader 可以调用 MinerU 进行文档解析
• 配置示例:

  # .env 文件
  MINERU_ENDPOINT=http://mineru-service:8080

• 说明: 允许上传的最大文件大小（单位：MB）
• 默认值: 50 MB
• 用途: 限制 gRPC 服务接收的文件大小，防止过大的文件导致服务崩溃或性能问题
• 配置示例:

  # .env 文件
  MAX_FILE_SIZE_MB=100  # 允许最大 100MB 的文件

除了 docker-compose.yml 中已配置的变量外，DocReader 还支持以下环境变量（可根据需要添加）：

• DOCREADER_GRPC_MAX_WORKERS: gRPC 服务的最大工作线程数（默认：4）
• DOCREADER_GRPC_PORT: gRPC 服务监听端口（默认：50051）

• OCR_BACKEND: OCR 引擎后端，可选值：
  • paddle: 使用 PaddleOCR（默认）
  • no_ocr: 禁用 OCR 功能
  • api: 使用外部 OCR API
• OCR_API_BASE_URL: 外部 OCR API 的基础 URL
• OCR_API_KEY: 外部 OCR API 的密钥
• OCR_MODEL: OCR 模型名称

示例：禁用 OCR 功能

environment:
  - OCR_BACKEND=no_ocr

用于图像理解和描述生成：

• VLM_MODEL_BASE_URL: VLM 模型的 API 地址
• VLM_MODEL_NAME: VLM 模型名称
• VLM_MODEL_API_KEY: VLM 模型的 API 密钥
• VLM_INTERFACE_TYPE: 接口类型，可选值：openai（默认）或 ollama

DocReader 支持多种存储后端：

• STORAGE_TYPE: 设置为 minio
• MINIO_ACCESS_KEY_ID: MinIO 访问密钥 ID（默认：minioadmin）
• MINIO_SECRET_ACCESS_KEY: MinIO 访问密钥（默认：minioadmin）
• MINIO_BUCKET_NAME: MinIO 存储桶名称（默认：WeKnora）
• MINIO_PATH_PREFIX: 文件路径前缀
• MINIO_USE_SSL: 是否使用 SSL（默认：false）

• STORAGE_TYPE: 设置为 cos
• COS_SECRET_ID: COS 访问密钥 ID
• COS_SECRET_KEY: COS 访问密钥
• COS_REGION: COS 区域
• COS_BUCKET_NAME: COS 存储桶名称
• COS_APP_ID: COS 应用 ID
• COS_PATH_PREFIX: 文件路径前缀
• COS_ENABLE_OLD_DOMAIN: 是否使用旧域名（默认：true）

• STORAGE_TYPE: 设置为 oss
• OSS_ACCESS_KEY_ID: OSS 访问密钥 ID
• OSS_ACCESS_KEY_SECRET: OSS 访问密钥
• OSS_ENDPOINT: OSS 端点（如 oss-cn-hangzhou.aliyuncs.com）
• OSS_BUCKET_NAME: OSS 存储桶名称
• OSS_REGION: OSS 区域（如 cn-hangzhou）
• OSS_PATH_PREFIX: 文件路径前缀

如果需要通过代理访问外部服务：

• EXTERNAL_HTTP_PROXY: HTTP 代理地址
• EXTERNAL_HTTPS_PROXY: HTTPS 代理地址

• IMAGE_MAX_CONCURRENT: 图像处理的最大并发数（默认：1）

docreader:
  environment:
    - MINIO_ENDPOINT=minio:9000
    - MINIO_PUBLIC_ENDPOINT=http://localhost:9000
    - MAX_FILE_SIZE_MB=50

docreader:
  environment:
    - MINIO_ENDPOINT=minio:9000
    - MINIO_PUBLIC_ENDPOINT=http://192.168.1.100:9000
    - MINERU_ENDPOINT=http://mineru:8080
    - MAX_FILE_SIZE_MB=100
    - OCR_BACKEND=paddle
    - VLM_MODEL_BASE_URL=http://ollama:11434
    - VLM_MODEL_NAME=llava
    - VLM_INTERFACE_TYPE=ollama

docreader:
  environment:
    - STORAGE_TYPE=cos
    - COS_SECRET_ID=your_secret_id
    - COS_SECRET_KEY=your_secret_key
    - COS_REGION=ap-guangzhou
    - COS_BUCKET_NAME=your-bucket
    - COS_APP_ID=your_app_id
    - MAX_FILE_SIZE_MB=50

docreader:
  environment:
    - STORAGE_TYPE=oss
    - OSS_ACCESS_KEY_ID=your_access_key_id
    - OSS_ACCESS_KEY_SECRET=your_access_key_secret
    - OSS_ENDPOINT=oss-cn-hangzhou.aliyuncs.com
    - OSS_BUCKET_NAME=your-bucket
    - OSS_REGION=cn-hangzhou
    - MAX_FILE_SIZE_MB=50

如果日志中出现 PaddleOCR 相关错误，可以尝试禁用 OCR：

environment:
  - OCR_BACKEND=no_ocr

检查 MINIO_PUBLIC_ENDPOINT 配置：

• 确保使用的是可从浏览器访问的地址
• 如果从其他设备访问，不要使用 localhost，应使用实际 IP 地址

检查 MAX_FILE_SIZE_MB 配置，确保限制足够大。同时需要确保前端和后端服务的文件大小限制保持一致。

DocReader 服务配置了健康检查：

healthcheck:
  test: ["CMD", "grpc_health_probe", "-addr=localhost:50051"]
  interval: 30s
  timeout: 10s
  retries: 3
  start_period: 60s

可以通过以下命令检查服务状态：

docker ps | grep docreader
docker logs WeKnora-docreader

• 服务端口：50051（gRPC）
• 容器名称：WeKnora-docreader
• 网络：WeKnora-network
• 重启策略：unless-stopped