Installation und Konfiguration
Installationspfad
Der Standard-Installationspfad von PlantPulse AI lautet:
/home/kopens/plantpulse-ai/
Verzeichnisstruktur
plantpulse-ai/
├── bin/ # 오케스트레이션 스크립트
│ ├── setup.sh # 초기 설치 (의존성, 모델 등)
│ ├── start.sh # 전체 시스템 시작
│ ├── stop.sh # 전체 시스템 종료
│ ├── status.sh # 서비스 상태 확인
│ ├── start-daemon.sh # 백그라운드 데몬 시작
│ ├── clean.sh # 로그/임시파일 정리
│ └── log-viewer.sh # 통합 로그 뷰어
├── template/
│ ├── env.sh # 환경 변수 설정 (핵심 설정 파일)
│ └── proxy.yaml # LiteLLM 프록시 설정
├── db/ # 데이터베이스
│ ├── postgres/ # PostgreSQL
│ ├── cassandra/ # Apache Cassandra
│ ├── neo4j/ # Neo4j
│ ├── qdrant/ # Qdrant 벡터 DB
│ ├── valkey/ # Valkey (Redis)
│ └── minio/ # MinIO (S3)
├── lib/ # AI 서비스
│ └── litellm/ # LLM 프록시 서버 (채팅 LLM 게이트웨이)
├── web/ # AI Chat Web (내장 에이전트)
│ ├── app/ # WAR 애플리케이션
│ ├── config/ # application.properties
│ ├── bin/ # 시작/종료 스크립트
│ └── logs/ # 웹 서비스 로그
├── timeseries/ # TimeSeries-Insight
│ ├── app/ # FastAPI 애플리케이션
│ ├── bin/ # 시작/종료 스크립트
│ ├── frontend/ # Next.js 대시보드
│ ├── tests/ # 테스트 코드
│ └── logs/ # 시계열 로그
├── logs/ # 중앙 집중식 로그
└── README.md # 프로젝트 설명
Mit der Umstellung 2026-07 wurden MCP- und Ontologie-Werkzeuge in das integrierte MCP der Platform (server-web /api/v5/mcp) überführt, und RAG wurde durch den Docker-compose-Dienst LightRAG ersetzt. Die früheren Verzeichnisse mcp/, ontology/, rag/ und component/ (Langflow-Komponenten) sowie Langflow, Phoenix und Jupyter werden nicht mehr verwendet.
Erstinstallation
Step 1. Umgebungsvariablen konfigurieren
Passen Sie vor der Installation die Datei template/env.sh an Ihre Umgebung an:
vi /home/kopens/plantpulse-ai/template/env.sh
Wichtige Konfigurationsparameter:
| Variable | Beschreibung | Standardwert |
|---|---|---|
PP_SERVER_HOST | IP des PlantPulse IIoT-Servers | 100.68.69.41 |
PP_SERVER_PORT | Port des PlantPulse IIoT-Servers | 7443 |
PP_HOME | Home-Verzeichnis | /home/kopens |
PP_DATA_DIR | Datenspeicherpfad | /data1/pp-data |
PP_TEMP_DIR | Pfad für temporäre Dateien | /data1/pp-temp |
Step 2. Abhängigkeiten installieren
cd /home/kopens/plantpulse-ai/bin
./setup.sh
setup.sh installiert der Reihe nach Folgendes:
- Python-Bibliotheken
- LiteLLM-Proxy (Chat-LLM-Gateway)
- LightRAG-Dienst (Docker compose)
- TimeSeries-Analysemodelle (IBM Granite TSPulse, TTM)
Das Installationsprotokoll wird in logs/setup.log geschrieben.
Step 3. System starten
# 포그라운드 실행
./start.sh
# 또는 백그라운드 데몬으로 실행
./start-daemon.sh
Step 4. Status prüfen
./status.sh
Bei fehlerfreiem Betrieb werden alle Dienste mit dem Status [OK] angezeigt.
Startreihenfolge
start.sh startet die Dienste in folgender Reihenfolge:
Stufe 1: Datenbanken
| Reihenfolge | Dienst | Port | Wartezeit |
|---|---|---|---|
| 1 | Valkey (Redis) | 6379 | 3 s |
| 2 | PostgreSQL | 5432 | 3 s |
| 3 | Cassandra | 9042 | 20 s |
| 4 | MinIO | 9000/9001 | 1 s |
| 5 | Qdrant | 6333 | 1 s |
| 6 | Neo4j | 7474/7687 | 1 s |
Erst wenn alle Datenbankports antworten, wird mit dem nächsten Schritt fortgefahren.
Stufe 2: Cassandra initialisieren
Beim ersten Start wird der Cassandra-Keyspace angelegt.
Stufe 3: AI-Dienste
| Reihenfolge | Dienst | Beschreibung |
|---|---|---|
| 1 | LiteLLM | LLM-Proxy (Chat-LLM-Gateway) |
| 2 | LightRAG | Dokumentensuchserver |
| 3 | TimeSeries | Dienst für Anomalieerkennung/Prognose |
MCP- und Ontologie-Werkzeuge werden vom integrierten MCP der Platform (server-web /api/v5/mcp) bereitgestellt und daher im AI-Stack nicht separat gestartet.
Stufe 4: Webserver
Der Dienst AI Chat Web wird gestartet. Die Chat-/Agenten-Orchestrierung ist in diesem Dienst enthalten.
Beim Herunterfahren werden die Dienste in umgekehrter Reihenfolge beendet: zuerst die Dienste, dann die Datenbanken.