English العربية Português 日本語

Ollama: Ollamaのインストールと環境設定

Ollamaのインストールは、コンピュータにローカルの脳を与えるようなもの——1つのコマンドで、全プラットフォーム対応、すぐに使えます。

⚠️ 注意: OLLAMA_HOST=0.0.0.0:11434を設定すると、Ollamaサービスがすべてのネットワークインターフェースに公開され、同じネットワーク上の誰もがあなたのAIモデルを呼び出せるようになります。開発時のLANアクセスには便利ですが、パブリックIPがある場合やファイアウォールが設定されていない場合は重大なセキュリティリスクがあります。本番環境では、必ずNginxリバースプロキシで認証を追加してください。

📋 前提条件: まず以下を修了してください

1. 学べること

2. SaaS創業者でのリアルな事例

(1) ペインポイント：環境設定の悪夢

AliceはGlobalShopというECプラットフォームを立ち上げ、会社のLinuxサーバーと自分のMacラップトップにAI搭載カスタマーサービスをデプロイする必要がありました。llama.cppを試しましたが——CUDAのコンパイル、環境設定、依存関係の競合解決——丸2日を費やしました。別のマシンに切り替えると、また一からやり直しでした。

(2) ソリューション：1コマンドで完了

Ollamaはコンパイル、依存関係、モデル管理をまとめてパッケージ化しています。Aliceは1つのコマンドでインストールするだけで、10分でクロスプラットフォームデプロイが完了します。

BASH 
# macOS / Linux: one-line install
curl -fsSL https://ollama.com/install.sh | sh

# Verify installation
ollama --version
# ollama version is 0.5.x

3. システム要件と互換性

(1) 最小構成と推奨構成

コンポーネント 最小 推奨
CPU 4コア x86_64 / ARM64 8コア以上
RAM 8 GB（3Bモデル） 32 GB（8B以上モデル）
GPU なし（CPU推論） NVIDIA 8GB以上 VRAM
ディスク 10 GB 空き容量 50 GB以上 SSD
OS macOS 13+ / Ubuntu 20.04+ / Windows 10+ 最新LTS版

(2) GPU高速化サポートマトリクス

GPUベンダー プラットフォーム サポート方式 自動検出
NVIDIA Linux / Windows WSL2 CUDA ✅ 自動
AMD Linux ROCm ✅ 自動
Apple macOS Metal ✅ 自動
Intel Linux SYCL ⚠️ 実験的
💡 ヒント: Ollamaは起動時にGPUを自動検出します。手動でのドライバパス設定は不要——CUDA/ROCmをインストールすれば準備完了です。

(3) ▶ サンプル：システム互換性の確認（Linux）

BASH 
# Check CPU architecture
uname -m
# Expected: x86_64 or aarch64

# Check available RAM in GB
free -g | awk '/^Mem:/{print $2}'

# Check NVIDIA GPU
nvidia-smi --query-gpu=name,memory.total --format=csv

# Check disk space
df -h / | awk 'NR==2{print $4}'

出力：

TEXT 
# Command executed successfully

4. 3プラットフォームのインストール方法

(1) macOSインストール

100% 
flowchart LR
    A[Download DMG] --> B[Drag to Applications]
    B --> C[Launch Ollama]
    C --> D[Auto-start Server]
    D --> E[Verify: ollama --version]
方法 コマンド 備考
公式インストーラー ollama.comからDMGをダウンロード 推奨、GUIメニューバー付き
Homebrew brew install ollama CLI愛好者向け
手動起動 ollama serve インストール後のサービス起動

(2) ▶ サンプル：macOS完全インストール

BASH 
# Option A: Homebrew install
brew install ollama

# Start the server
ollama serve

# Option B: Verify GUI app is running
ps aux | grep ollama

# Quick test
ollama run llama3.2 "Say hello in one sentence"

出力：

TEXT 
I'm a helpful AI assistant running locally on your machine...

(2) Linuxインストール

方法 コマンド ユースケース
公式スクリプト curl -fsSL https://ollama.com/install.sh | sh 推奨、GPU自動検出
手動ダウンロード ollama.comからtar.gzをダウンロード オフライン環境
systemd systemdサービスとして自動登録 長期稼働サーバー

(4) ▶ サンプル：Linuxインストールとサービス管理

BASH 
# Install with official script (auto-detects GPU)
curl -fsSL https://ollama.com/install.sh | sh

# Check systemd service status
sudo systemctl status ollama

# Start/stop/restart service
sudo systemctl start ollama
sudo systemctl stop ollama
sudo systemctl restart ollama

# Enable auto-start on boot
sudo systemctl enable ollama

出力：

TEXT 
# Command executed successfully

(3) Windowsインストール

方法 コマンド 備考
公式インストーラー ollama.comからexeをダウンロード 推奨、システムトレイ付き
winget winget install Ollama.Ollama CLIインストール
WSL2 WSL2内でLinux方法を使用 GPUパススルーが必要

(6) ▶ サンプル：WindowsインストールとWSL2 GPU確認

POWERSHELL 
# Install via winget
winget install Ollama.Ollama

# Verify installation
ollama --version

# If using WSL2 with NVIDIA GPU, verify inside WSL
wsl
nvidia-smi  # Should show GPU inside WSL
ollama run llama3.2 "Hello"

出力：

TEXT 
// Execution successful

5. 環境変数とポート設定

💡 ヒント: 複数のモデルをダウンロードする場合、モデルファイルはかなりのディスク容量を消費します（8Bモデルは約5GB、70Bモデルは約40GB）。OLLAMA_MODELS環境変数を使用して、モデル保存パスをより大きなディスクパーティション（例：/data/ollama/models）に向けることで、システムディスクの容量枯渇を防げます。これはマルチモデルデプロイのシナリオで特に重要です。

ℹ️ 情報: OLLAMA_KEEP_ALIVEはモデルがメモリに留まる時間を制御し、デフォルトは5分です。頻繁に使用する場合は30m以上に設定して、リクエストごとのモデル再読み込みを回避してください（コールドスタートには5〜30秒かかります）。

(1) 主要環境変数

変数 デフォルト 目的
OLLAMA_HOST 127.0.0.1:11434 サービスのリスンアドレスとポート
OLLAMA_MODELS ~/.ollama/models モデルファイルの保存パス
OLLAMA_KEEP_ALIVE 5m モデルのメモリ保持時間
OLLAMA_NUM_PARALLEL 1 並列リクエスト数
OLLAMA_MAX_LOADED_MODELS 1 同時読み込みモデルの最大数
OLLAMA_DEBUG false デバッグログの切り替え

(2) リスンアドレスのセキュリティ比較

設定 セキュリティ ユースケース
127.0.0.1:11434 ✅ ローカルアクセスのみ 開発環境
0.0.0.0:11434 ⚠️ 全ネットワークからアクセス可能 社内ネットワークサービス、ファイアウォールが必要
0.0.0.0:11434 + Nginx ✅ リバースプロキシ + 認証 本番環境
⚠️ 注意: 0.0.0.0にバインドした後、ファイアウォールまたはリバースプロキシを設定しなければ、誰でもあなたのOllamaサービスにアクセスできます。

(3) ▶ サンプル：カスタム環境変数の設定

BASH 
# Linux/macOS: set environment variables
# Edit systemd service (Linux)
sudo systemctl edit ollama

# Add in the override file:
[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_MODELS=/data/ollama/models"
Environment="OLLAMA_KEEP_ALIVE=30m"

# Reload and restart
sudo systemctl daemon-reload
sudo systemctl restart ollama

# macOS: set via launchctl or shell profile
export OLLAMA_HOST=0.0.0.0:11434
ollama serve

出力：

TEXT 
NAME                    ID              SIZE    
llama3.2:latest        a80...          2.0 GB  
mistral:latest         61...           4.1 GB

6. 一般的なインストールトラブルシューティング

(1) クイックトラブルシューティング表

症状 原因 解決策
"connection refused" サービス未起動 ollama serveまたはsystemdを再起動
"bind: address already in use" ポート競合 lsof -i :11434で占有プロセスを特定
"could not find GPU" ドライバ未インストール NVIDIA CUDA / AMD ROCmをインストール
"out of memory" VRAM不足 より小さいモデルまたは量子化版を使用
"permission denied" 権限不足 Linuxのユーザーグループ/ディレクトリ権限を確認
"model not found" モデル未プル ollama pull <model>

(2) ▶ サンプル：ポート競合の診断

BASH 
# Check what process is using port 11434
lsof -i :11434
# or on Linux
ss -tlnp | grep 11434

# Kill the conflicting process if needed
kill -9 `<PID>`

# Or change Ollama port
export OLLAMA_HOST=127.0.0.1:8080
ollama serve

出力：

TEXT 
NAME                    ID              SIZE    
llama3.2:latest        a80...          2.0 GB  
mistral:latest         61...           4.1 GB

7. 総合例：新規サーバーデプロイスクリプト

⚠️ 警告: デプロイスクリプト内のOLLAMA_HOST=0.0.0.0:11434は、サーバーの内部ネットワーク環境に適しています。サーバーにパブリックIPがある場合は、必ずファイアウォール（ufw/iptables）を設定してポート11434への外部アクセスを制限するか、Nginxリバースプロキシで認証を追加してください。

BASH 
#!/bin/bash
# ============================================
# Comprehensive: Fresh server Ollama deployment
# Checks hardware, installs Ollama, verifies service
# ============================================

set -e

echo "=== Step 1: Hardware Check ==="
echo "CPU: $(nproc) cores"
echo "RAM: $(free -g | awk '/^Mem:/{print $2}')GB"

if command -v nvidia-smi &> /dev/null; then
    echo "GPU: $(nvidia-smi --query-gpu=name --format=csv,noheader)"
    echo "VRAM: $(nvidia-smi --query-gpu=memory.total --format=csv,noheader)"
else
    echo "GPU: Not detected (CPU-only mode)"
fi

echo "Disk: $(df -h / | awk 'NR==2{print $4}') available"

echo ""
echo "=== Step 2: Install Ollama ==="
curl -fsSL https://ollama.com/install.sh | sh

echo ""
echo "=== Step 3: Configure Environment ==="
sudo mkdir -p /data/ollama/models
sudo systemctl edit ollama <<EOF
[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_MODELS=/data/ollama/models"
Environment="OLLAMA_KEEP_ALIVE=30m"
EOF

sudo systemctl daemon-reload
sudo systemctl restart ollama

echo ""
echo "=== Step 4: Verify Service ==="
sleep 3
if curl -s http://localhost:11434/api/tags > /dev/null; then
    echo "SUCCESS: Ollama is running on port 11434"
    ollama --version
else
    echo "FAILED: Check logs with: journalctl -u ollama"
fi

echo ""
echo "=== Step 5: Pull First Model ==="
ollama pull llama3.2
echo "Deployment complete! Run: ollama run llama3.2"

❓ よくある質問

Q インストール後にollamaコマンドが見つかりません。どうすればいいですか？
A Linuxでは、/usr/local/binがPATHに含まれているか確認してください。macOSでHomebrew経由でインストールした場合はbrew link ollamaを実行してください。Windowsではターミナルを再起動してください。
Q Dockerインストールと直接インストール、どちらを選ぶべきですか？
A ローカル開発には直接インストールを選んでください（よりシンプル）。サーバーデプロイにはDockerを選んでください（分離と運用が容易）。このレッスンでは直接インストールを扱います。Dockerはレッスン15で詳しく説明します。
Q WSL2でGPU推論を設定するには？
A WindowsにNVIDIA CUDAをインストール後、WSL2は自動的にGPUを継承します。WSL2でnvidia-smiを実行して確認——GPUが表示されれば準備完了です。WSL2内でCUDAを別途インストールする必要はありません。
Q Ollamaを起動時に自動起動するように設定するには？
A Linuxのインストールスクリプトは自動的にsystemdサービスを登録し、起動時の自動起動を有効にします。macOSはインストール後にアプリをログイン項目に自動追加します。Windowsはスタートアップ項目に追加します。
Q モデルファイルのデフォルト保存先は？パスを変更できますか？
A デフォルトは~/.ollama/modelsです。OLLAMA_MODELS環境変数を設定して変更できます——ディスク容量が少なく外部ストレージをマウントする必要がある場合に便利です。
Q GPU高速化が動作していることを確認するには？
A ollama run --verbose <model>を実行してログを確認してください。using CUDAやusing MetalというメッセージがあればGPU高速化が有効です。推論中にnvidia-smiでVRAM使用量を観察することもできます。

📖 まとめ

📝 練習問題

  1. 基本（難易度 ⭐）：現在のシステムにOllamaをインストールし、ollama --versionを実行して成功を確認してください。
  2. 中級（難易度 ⭐⭐）：OLLAMA_HOSTとOLLAMA_MODELS環境変数を設定し、サービスを0.0.0.0:11434にバインドし、モデルをカスタムパスに保存するように構成して、設定が反映されていることを確認してください。
  3. 上級（難易度 ⭐⭐⭐）：ハードウェア検出、Ollamaインストール、環境設定、モデルプルを網羅した自動デプロイスクリプトを作成し、デプロイレポートを出力してください。
Web-Tutorial.com

Web-Tutorial 技術チーム

複数の開発者によって共同維持されているプログラミングチュートリアルプラットフォーム。各チュートリアルは専門分野の開発者が執筆・レビューしています。正確で信頼性の高いコンテンツを目指しています — 問題を見つけた場合はお知らせください。

100%