Ollama よくある質問

この章では、トラブルシューティングの知識をいつでも引けるマニュアルにまとめています。ログによる特定から始め、症状ごとに分類し、ビデオメモリ不足、ダウンロード失敗、ポート競合、GPU 異常、過負荷、アップグレード互換性の6つの大きな問題をカバーします。


最初の一手:まずログを確認

Ollama のエラーメッセージは簡潔すぎることが多く、本当の原因はほとんどログに書かれています。

環境確認コマンド / 場所
macOScat ~/.ollama/logs/server.log
Linux(systemd)journalctl -u ollama --no-pager --follow --pager-end
Windows%LOCALAPPDATA%\Ollama\server.log
Dockerdocker logs <コンテナ名>
手動で serveログは現在のターミナルに直接出力される

デフォルトのログに詳細が含まれない場合は、デバッグモードを有効にしてサービスを再起動すると、GPU 認識、ビデオメモリ見積もりなどの重要なプロセスを確認できます:

# 调试模式启动
OLLAMA_DEBUG=1 ollama serve

異常が発生した場合は、以下のナビゲーションマップに従って先に分類し、該当するセクションに移動してください:

排障导航:按症状分流四大类问题


ビデオメモリ / メモリ不足(OOM)

これは最も一般的な実行時の問題で、典型的な症状は、生成の途中でプロセスが消える、システムがフリーズする、ログにメモリ割り当て失敗が表示されるなどです。

症状原因対策
大きなモデルを読み込むときにプロセスが強制終了される物理メモリ不足より小さいサイズのタグに変更する。または create で量子化してサイズを圧縮する
生成中にクラッシュするコンテキストの蓄積により KV キャッシュが肥大化するnum_ctx を下げる。Flash Attention と KV キャッシュ量子化を有効にする
複数リクエスト時に一斉に失敗するNUM_PARALLEL が大きすぎてビデオメモリが倍々で消費される1 に戻し、徐々に増やしながら ollama ps を確認する
モデルは動作するが CPU に分割されているビデオメモリが必要量よりわずかに少ないバックグラウンドのビデオメモリ使用を解放する。パラメータサイズを一つ下げる

診断コマンド3点セット:ollama ps でモデルの使用量と分割比率を確認、nvidia-smi(または rocm-smi)で GPU のリアルタイムのビデオメモリを確認、free -h でシステムメモリを確認。


モデルのダウンロード失敗と中断時のレジューム

ダウンロードの問題はほぼネットワーク経路に起因します。良い知らせとして、Ollama はレイヤー単位のレジュームに対応しており、再試行のコストは非常に低いです。

症状原因対策
ダウンロードが繰り返し中断される送信元サーバーまでのネットワークが不安定同じコマンドを再実行してレジュームする。必要に応じて HTTPS_PROXY を設定する
プロキシ設定後も失敗するHTTP_PROXY を誤って設定しているHTTPS_PROXY のみを残し、HTTP_PROXY を削除する
プロキシ証明書のエラー自己署名証明書が信頼されていないCA 証明書をシステム証明書としてインストールする
ディスク容量不足の警告対象パーティションの容量が足りない容量を解放するか、OLLAMA_MODELS でストレージパスを変更する

ポート競合と接続拒否

クライアントが「接続が拒否されました」と報告する場合、本質は 11434 ポートでサービスが応答していないことです。

症状原因対策
ローカルの curl で接続が拒否されるOllama サービスが起動していないmacOS / Windows はアプリを起動する。Linux は sudo systemctl start ollama を実行する
ログにポートが使用中と表示される11434 が他のプログラムに占有されている占有しているプロセスを停止するか、ポートを変更して起動する:OLLAMA_HOST=127.0.0.1:11435
リモートマシンから接続できないサービスがループバックアドレスのみをリッスンしているサーバー側で OLLAMA_HOST=0.0.0.0 を設定し、ファイアウォールを許可する
Linux で手動インストール後に起動してもすぐ終了する/tmp が noexec でマウントされており、推論ライブラリをロードできないOLLAMA_TMPDIR を実行可能なディレクトリに設定する

GPU が未使用 / 認識失敗

症状は ollama ps が 100% CPU を表示する、またはログに GPU 認識失敗が現れることです。NVIDIA と AMD では調査手順が異なります。

NVIDIA 固有のトラブルシューティング

まずドライバーとパススルー環境を確認し、その後ログのエラーコードに応じて対処します:

確認項目方法
ドライバーバージョンnvidia-smi が正常に出力されること。最新ドライバーにアップグレードする
コンテナのパススルーdocker run --gpus all ubuntu nvidia-smi が通らない場合は Container Toolkit の問題
ドライバーモジュールの異常sudo rmmod nvidia_uvm && sudo modprobe nvidia_uvm で再ロードして再試行する
スリープ復帰後に機能しないLinux ではスリープ復帰後に nvidia_uvm モジュールの再ロードが必要
Docker を長時間実行すると GPU が見えなくなる/etc/docker/daemon.json に native.cgroupdriver=cgroupfs を追加して Docker を再起動する

ログの CUDA エラーコードはすぐに参照できる価値があります:3 は未初期化、46 はデバイスが利用不可、100 はデバイスなし、999 は不明なエラーを示し、ほとんどがドライバーまたはパススルー設定に起因します。

AMD 固有のトラブルシューティング

症状原因対策
Linux で完全に検出されないユーザーが video / render グループに属していない実行ユーザーを対応するグループに追加してサービスを再起動する
ログに discovery timeout(検出タイムアウト)が表示されるROCm ドライバーが古すぎる(v7 未満)amdgpu-install で ROCm v7 にアップグレードして再起動する
古い GPU がサポートされていないアーキテクチャが公式サポートリストにないHSA_OVERRIDE_GFX_VERSION で近いアーキテクチャを指定してみる
Windows では一部の古い GPU に ROCm がないドライバースタックの制限デフォルトの Vulkan パスを使用する。異常時は GGML_VK_VISIBLE_DEVICES を確認する

503 過負荷と応答遅延の体系的な調査

前の章の方法を固定のフローとしてまとめると、6 ステップ以内でほとんどのパフォーマンス問題を特定できます:

ステップ1:ollama ps で PROCESSOR が 100% GPU かを確認し、分割が発生したらまずビデオメモリ最適化に戻る。

ステップ2:ログにキューイング、アンロード、認識失敗の記録があるか確認する。

ステップ3:503 を受け取った場合はキューが満杯であるため、同時リクエスト数と OLLAMA_MAX_QUEUE を確認し、スケールアップが必要か評価する。

ステップ4:複数ユーザー共有のシナリオでは、OLLAMA_NUM_PARALLEL とビデオメモリの乗算関係を確認する。

ステップ5:keep_alive 戦略を確認する。頻繁なアンロードと再ロードは、最初のトークンまでの遅延を急増させる。

ステップ6:API の usage フィールドで token/s を計算し、過去のベースラインと比較して各調整の効果を定量化する。


アップグレード後の互換性問題とロールバック

アップグレード後に動作が異常な場合、3 つの操作でほとんどのケースを解決できます:

# 1. Linux 手动升级前先清理旧库,避免新旧混用
sudo rm -rf /usr/lib/ollama

# 2. 回退到指定版本
curl -fsSL https://ollama.com/install.sh | OLLAMA_VERSION=0.5.7 sh

# 3. AMD 显卡同步升级 ROCm v7 驱动后重启

Windows のターミナルで文字化けした四角が表示されるのは古いターミナルのフォントの問題であり、モデルとは無関係です。Windows Terminal に切り替えれば解決します。

その他の拡張