Varför växer Immichs lagring för miniatyrbilder och ML vid stora mobilimporter?
Stora importer ökar vanligtvis Immich-lagringen eftersom varje tillgång skapar derivat och databasposter, medan nedladdade modeller upptar en separat cache.
En familj flyttar flera års telefonbilder till en hem-NAS och ser sedan hur det lediga utrymmet fortsätter att minska efter att uppladdningsräknaren är klar. Det kan bero på legitim bakgrundsbehandling snarare än ytterligare en kopia av varje original. Den viktiga skillnaden går mellan filer som genereras per tillgång, delade modellfiler och tillväxt som fortsätter utan motsvarande ökning av slutfört arbete.
En uppladdning skapar flera typer av data
Det uppladdade originalet är bara en del av det resulterande biblioteket. Immich förbereder även mindre representationer för bläddring och lagrar information som kopplar tillgången till dess ägare, datum, album och sökfunktioner. Dessa utdata används för olika förfrågningar, så att nätverksöverföringen är klar betyder inte att alla efterföljande skrivningar redan har slutförts.
Uppdelningen mellan mediefiler och databasposter är viktig här: applikationsmetadata och sökvektorer finns i PostgreSQL, snarare än som extra fotografier i full upplösning. Maskininlärningstjänsten beräknar resultat som används av applikationen. Att behandla alla ytterligare byte som duplicerade original ger därför en felaktig förklaring till normal importtillväxt.
Tänk på att en telefon kan slutföra sin överföring medan servern fortfarande bearbetar den mottagna batchen. Originalen kan redan vara stabila på disken, men förhandsvisningar och sökbara poster kan fortsätta att skapas. Jämför lagringsmätningar vid samma bearbetningsstadium; en omedelbart uppladdad grupp och en fullt bearbetad grupp är inte jämförbara urval.
Antalet tillgångar förklarar mer än originalens gigabyte
För planering av miniatyrbilder förklarar antalet och typen av tillgångar ofta mer än den totala mängden originaldata i gigabyte. Tusen små fotografier och en handfull långa videor kan uppta ungefär lika mycket källutrymme men kräva mycket olika antal bildderivat. Förhandsvisningarnas dimensioner, komprimeringsinställningar och bildinnehåll påverkar dessutom de genererade bytevolymerna.
Publicerade mätningar av miniatyrbilder illustrerar variationen: en ägare rapporterade 6,3 GB för ett bibliotek på 70 GB, medan en annan rapporterade cirka 370 GB för 2 TB foton och videor. Det är individuella konfigurationer, inte jämförbara kontrollerade riktmärken. De visar varför ett enda procenttal från ett forum kan ge en missvisande bild av ett annat hushåll.
Som en illustrativ beräkning kräver 100 000 tillgångar med i genomsnitt 250 KB uppmätta bildderivat cirka 25 GB i decimalenheter. Vid 500 KB per tillgång behöver samma antal cirka 50 GB. Ingen av siffrorna inkluderar original, kodad video, databastillväxt eller säkerhetskopior; exemplet isolerar relationen per tillgång i stället för att rekommendera en universell marginal.
Modellfiler och sökposter växer på olika sätt
Modellcachen innehåller återanvändbara modellfiler, medan sökvektorer representerar enskilda tillgångar. Med en fast uppsättning nedladdade modeller kräver fler foton inte att en ny komplett modell laddas ned för varje bild. Att lägga till eller ändra modeller kan i stället öka cachelagringen stegvis, oberoende av antalet uppladdade fotografier.
En förstahandsbaserad portabel driftsättning håller biblioteket, modellcachen och PostgreSQL-data i separata beständiga kataloger. Den uppdelningen gör varje lagringsroll observerbar utan att man antar att en enda kombinerad Docker-storlek representerar maskininlärningens utdata. Det är ett layout-exempel från en äldre version, inte en aktuell installationsanvisning eller en rekommenderad uppsättning containertaggar.
Skilj även diskförbrukning från inläst minne. En modell kan finnas kvar på disken medan dess kopia i minnet har frigjorts, och filsystemets cache kan öka den rapporterade minnesanvändningen utan att skapa fler beständiga filer. För att förklara en ökning bör du identifiera den katalog som äger data och vilken inställning som ändrats innan du drar slutsatser utifrån ett containernamn.
Var normal tillväxt slutar vara en förklaring
Normal tillväxt av derivat har en begränsad indata: en fast grupp original som bearbetas med fasta inställningar. Den bör inte skapa en ständigt växande mängd nya källtillgångar. Om antalet tillgångar fortsätter att öka efter att alla avsedda importer har stoppats måste förklaringen omfatta identifieringssökvägar, upprepad import eller någon annan källa till nytt arbete.
Ett bekräftat fall av rekursiv skanning inkluderade Immichs uppladdningsplats i ett externt bibliotek. De genererade miniatyrbilderna behandlades då som nya bilder, vilket skapade fler derivat av derivat. Detta är en annan orsaksverkan än en stor mobiluppladdning och får inte användas som bevis för att alla stora bibliotek naturligt mångfaldigas utan gräns.
Ovanlig tillväxt i ett skrivbart containerlager är en annan separat kategori. En rapport från 2026 beskrev att hundratals gigabyte samlades där, men diskussionen fastställde ingen universell grundorsak. Radera inte databasfiler, medier eller Docker-interna data för att få en graf att se normal ut. Fastställ först vilken roll som växer och om slutfört arbete förklarar det.
Mät importen per lagringsroll
Registrera antalet originaltillgångar och deras storlek i byte, storleken på miniatyrbilder och förhandsvisningar, storleken på kodad video, databasens storlek, modellcachens storlek samt eventuell tillfällig tillväxt eller loggtillväxt före en representativ import. Upprepa mätningen efter att samma grupp har slutfört de aktiverade bearbetningsjobben. Håll medieinställningarna oförändrade så att skillnaderna kan hänföras till importen och inte till en samtidig konfigurationsändring.
Lagringsredovisning ersätter inte en säkerhetskopieringsplan för familjen. En användbar fototjänst behöver skyddade original och det applikationstillstånd som krävs för att återskapa biblioteket; en katalog med enbart miniatyrbilder kan inte bevara hushållets samling. Håll denna skyddsåtgärd åtskild från mätningen av återskapningsbara omkostnader, så att ett utrymmesbesparande experiment inte blir den enda kopian av ett minne.
Godkänn resultatet när totalsummorna per uppmätt roll förklarar de tillagda byten och inga oväntade källtillgångar fortsätter att dyka upp. Undersök en annan mekanism när modellinventeringen är oförändrad men cache- eller skrivlagerstillväxten fortsätter, eller när härledda filer åter går in i identifieringen. Detta test besvarar varför lagringen ökade utan att göra en förklaring till en destruktiv rensningsprocedur.
Rekommenderade produkter
Teknik- och AI-hubb
Mer att läsa
Öppna modeller kommer ikapp den ledande AI:n – blir 2026 året då lokal AI blir tillräckligt bra?
Öppna modeller blir tillräckligt bra för fler lokala AI-arbetsbelastningar, medan avancerade molnmodeller fortfarande är användbara för de svåraste resonemangs- och agentuppgifterna.
NVIDIA PAIR förvandlar ditt hemnätverk till ett lokalt AI-kluster – behöver du fortfarande en enda stor GPU-server?
NVIDIA PAIR distribuerar lokala AI-förfrågningar över flera datorer, vilket gör beräkningskapaciteten mer elastisk samtidigt som en hems server kan hålla data och tillstånd beständiga.
Varför känns Immich snabbare på LAN än via fjärranslutningar?
LAN-förfrågningar tar vanligtvis en kortare väg med lägre latens. Fjärråtkomst innebär begränsningar i WAN-kapaciteten och kan lägga till DNS-, TLS-, proxy-, VPN- eller relähopp.
