🖼 自建照片库 Immich：从手机相册到私有 AI 图库

Wed, 16 Sep 2026 00:00:00 +0000

把照片交给云厂商，本质是用隐私换便利。这篇记录我用 Immich 把这个交换关系反过来：便利我全要，隐私我自己留。

一、为什么不用网盘 + 相册 App

传统方案是"网盘存文件 + 手机相册 App 看"。问题是：

网盘不懂照片，没有时间线、没有地图、没有"找那只猫"
相册 App 不懂备份，换手机要手动导
两边的元数据（时间、地点、人物）永远对不齐

Immich 的价值在于它同时是备份工具和相册应用，元数据从上传那一刻就统一。

二、部署形态

标准 Immich 是四容器结构：

immich-server ← API + Web UI + 任务调度
immich-machine-learning ← CLIP 模型推理 / 人脸检测
immich-postgres ← 元数据库
immich-redis ← 队列与缓存

关键设计点：

1. 数据与容器分离。 上传目录（UPLOAD_LOCATION）和 PostgreSQL 数据目录必须是宿主机绑定挂载，而不是匿名卷 —— 否则容器一重建，照片就没了。

2. 对外只走 TLS 反代。 Immich 本身监听 2283（HTTP），我用 nginx 在 2284 上做了 HTTPS 反代。手机 App 填的是 https://<域名>:2284，不是裸端口。

server {
 listen 2284 ssl;
 server_name home.***.cn;

 client_max_body_size 0; # 相册上传不限体积

 location / {
 proxy_pass http://127.0.0.1:2283;
 proxy_set_header Host $host;
 proxy_set_header X-Forwarded-Proto https;
 proxy_http_version 1.1;
 proxy_set_header Upgrade $http_upgrade;
 proxy_set_header Connection "upgrade";
 }
}

client_max_body_size 0 是必须的 —— 默认 1MB 会让上传静默失败。Upgrade/Connection 两个头是为了 WebSocket（移动端上传进度实时回传）。

3. 高位端口 + SNI。 在 80/443 受限的网络环境里，HTTPS 挪到 2284 端口仍然能正常握手 —— TLS 不关心端口号，只关心 SNI。

三、智能搜索的真实边界

Immich 的智能搜索基于 CLIP 模型（默认 ViT-B-32__openai）。这里有一个必须知道的坑：

默认模型的文本编码器是纯英文的。搜 cat 能出结果，搜 猫 静默返回空。

不是 bug，是模型的词表限制。三条应对路径：

换多语言模型：需要重新跑一遍索引，代价大且显存要求更高。
用英文检索 + 内部约定：把常搜的类别固定成英文词（cat/sunset/food/document），写进自己的使用习惯。
依赖人脸与地点这类非文本维度 —— 它们不经过文本编码器，中文环境完全可用。

我选了 2 + 3 的组合。人脸识别用的是 InsightFace 的 buffalo_l 模型包，识别与聚类都在本地完成，人名只存在你自己的数据库里。

四、按人检索的 API

除了 Web UI，Immich 的 REST API 允许按人物 ID 直接检索：

POST /api/search/metadata
{
 "personIds": ["<person-uuid>"],
 "size": 100
}

配合 /api/people 列出已聚类的所有人物，就能做出"某个人的全部照片"这种自定义视图 —— 比如生成家庭相册、或者做年度回顾。

五、资源占用：别被瞬时峰值骗了

一个真实教训：监控告警说 Immich 峰值吃了 1GB 内存，接近宿主上限。第一反应是"要加内存了"，但拉时间线一看：

峰值时间：每天 00:00 前后
持续时间：数分钟
原因：后台扫描任务（缩略图生成 / 人脸检测 / 智能索引）

这是周期性批处理，不是常驻开销。 稳态内存远低于峰值。结论是：

判断是否需要扩容，要看稳态 + P95，不是看单点峰值
批处理任务可以限流（IMMICH_... 并发参数），避开高峰期
如果宿主真的很小，把 ML 推理拆到另一台机器上（远程 ML 后端）

六、远程 ML 后端：把小主机的活外包出去

当宿主的 CPU 实在扛不住 CLIP 推理时，Immich 支持把机器学习服务拆出去：

# immich-server 侧
environment:
 IMMICH_MACHINE_LEARNING_URL: http://<remote-host>:3003

远程那边只要跑 immich-machine-learning 一个容器，通过 SSH 隧道或内网直连暴露 3003 端口即可。这样照片库留在本地，算力借用别处 —— 数据不动，计算下沉。

七、复盘

维度	结论
存储	照片目录必须挂宿主机，容器要能随便删
访问	对外只给 TLS 反代，端口用高位
搜索	默认 CLIP 是英文的，中文搜索要么换模型要么改用英文词
人脸	本地模型，人名不上云，中文环境无影响
容量	看稳态不看峰值；峰值多是后台扫描
扩展	算力不够就拆 ML 后端，别动数据

一句话：自建照片库最难的不是装，而是想清楚哪些数据必须留在自己手里。

Immich 私人照片库

Sun, 27 Oct 2024 00:00:00 +0000

自建的私人照片管理与 AI 图库，支持手机备份、智能搜索、人脸识别和地理定位。

当前地址：https://home.syscall.cn:2284/

Docker | 个人主页