Apache Tika 4.1.0 Docker Compose 部署指南

使用官方 apache/tika 镜像以 Docker Compose 部署 Apache Tika 4.1.0 的完整指南，涵盖镜像元数据核验、配置挂载持久化、堆内存环境变量、等价 docker run 与常用运维命令，步骤均实测。

Apache TikaApache Tika2026/10/12

Apache Tika 4.1.0 Docker Compose 部署指南

一、环境信息

项目值
Docker Engine29.8.0
Docker Composev5.5.1（docker compose 插件）
镜像apache/tika:latest（实测 TIKA_VERSION=4.1.0）
部署目录/opt/tika-compose
宿主机端口9998
JVM 堆-Xms256m -Xmx512m
执行账号root

二、镜像选型说明

  1. 官方镜像 apache/tika 即打包完成的 tika-server-standard，无需自行构建。实测 latest 标签对应版本 4.1.0（官方下载页当前最新稳定版一致）。
  2. 拉取后先核验镜像元数据：
docker images --format '{{.Repository}}:{{.Tag}} {{.Size}}' apache/tika

apache/tika:latest 636MB

docker inspect apache/tika:latest --format '{{json .Config.Env}}'

["PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin","TIKA_VERSION=4.1.0"]

docker inspect apache/tika:latest --format '{{json .Config.Entrypoint}}'

["/bin/sh","-c","exec java -cp \"/opt/tika-server/*:/opt/tika-server/lib/*:/tika-extras/*\" org.apache.tika.server.core.TikaServerCli -h 0.0.0.0 $0 $@"]

docker inspect apache/tika:latest --format '{{json .Config.Cmd}}'

null

docker inspect apache/tika:latest --format '{{json .Config.ExposedPorts}}'

{"9998/tcp":{}}
  1. 关键结论：镜像内置 TIKA_VERSION=4.1.0 与 OpenJDK 25.0.4.1；Entrypoint 已固定监听 -h 0.0.0.0，并把 $0 与 $@ 透传给 java 进程，因此 compose 的 command 里追加的 --port、--config 等参数会原样传给 Tika；镜像未定义默认 CMD；仅声明 9998/tcp 一个端口；镜像体积 636MB。
  2. 内置 JDK 为 25 而非 17：Tika 4.1.0 对此完全兼容，实测容器服务正常，无需额外处理。

三、前置条件

  1. 已安装 Docker Engine 与 docker compose 插件，验证命令：
docker compose version

Docker Compose version v5.5.1
  1. 磁盘剩余空间不低于 2GB（镜像约 636MB，运行期临时文件另需空间）。
  2. 宿主机 9998 端口未被占用，如被占用见十一、Q1。
  3. 主机可访问 Docker Hub。无法直连的离线环境，可先在能联网的主机执行 docker save apache/tika:latest -o tika-image.tar 导出，拷贝到目标主机后执行 docker load -i tika-image.tar 导入（实测该方式可行）。

四、部署步骤

4.1 创建部署目录与配置文件

mkdir -p /opt/tika-compose && cd /opt/tika-compose

创建 tika-config.json（Tika 4.x 新版 JSON 格式，server 块必填，parsers 使用 kebab-case 注册名）：

{
  "server": { "host": "0.0.0.0", "port": 9998 },
  "parsers": ["pdf-parser", "txt-parser", "image-parser"]
}

4.2 编写 docker-compose.yml

services:
  tika:
    image: apache/tika:latest
    container_name: tika-server
    restart: unless-stopped
    ports:
      - "9998:9998"
    environment:
      JDK_JAVA_OPTIONS: "-Xms256m -Xmx512m"
    volumes:
      - ./tika-config.json:/opt/tika-config.json:ro
    command: ["--config", "/opt/tika-config.json"]

4.3 启动服务

docker compose up -d

 Network tika-compose_default Creating
 Network tika-compose_default Creating
 Network tika-compose_default Created
 Network tika-compose_default Created
 Container tika-server Creating
 Container tika-server Created
 Container tika-server Starting
 Container tika-server Started

4.4 验证部署

查看容器状态：

docker compose ps

NAME          STATUS          PORTS
tika-server   Up              0.0.0.0:9998->9998/tcp, [::]:9998->9998/tcp

查看启动日志（确认 JVM 参数拾取与配置加载）：

docker compose logs tika | head -10

tika-server  | NOTE: Picked up JDK_JAVA_OPTIONS: -Xms256m -Xmx512m
tika-server  | INFO  [main] org.apache.tika.server.core.TikaServerProcess Starting Apache Tika 4.1.0 server
tika-server  | INFO  [main] org.apache.tika.config.loader.TikaLoader temporary files go to java.io.tmpdir=/tmp
tika-server  | INFO  [main] org.apache.tika.server.core.TikaServerProcess Using custom config: /opt/tika-config.json
tika-server  | INFO  [main] org.apache.tika.server.core.TikaServerProcess Created input temp directory: /tmp/tika-server-input-1869306887621360482
tika-server  | INFO  [main] org.apache.tika.server.core.TikaServerProcess Created unpack temp directory: /tmp/tika-server-unpack-3806655155458640400
tika-server  | INFO  [main] org.apache.tika.server.core.TikaServerProcess Configuring __tika-server with basePath=/tmp/tika-server-input-1869306887621360482
tika-server  | INFO  [main] org.apache.tika.server.core.TikaServerProcess Configuring __unpack with basePath=/tmp/tika-server-unpack-3806655155458640400
tika-server  | INFO  [main] org.apache.tika.pipes.core.PipesParser Using per-client server mode with 4 clients
tika-server  | INFO  [main] org.apache.tika.pipes.core.PerClientServerManager pipes-cpu-sizing: hostCores=12, numClients=4, parentReserved=2, autoCap=slice=2, heap=MaxRAMPercentage=18

在宿主机验证服务接口：

curl -s http://127.0.0.1:9998/tika

This is Tika Server (Apache Tika 4.1.0). Please PUT

curl -s -X PUT --data-binary 'demo content' -H 'Content-Disposition: attachment; filename=demo.md' http://127.0.0.1:9998/detect

text/markdown

五、数据持久化说明

  1. Tika 是无状态的解析服务：不在本地存储任何业务数据，解析临时文件位于容器内 /tmp（日志中的 Created input temp directory 行即为临时目录路径），容器销毁重建不产生数据丢失问题。
  2. 需要持久化的只有配置文件：通过 bind mount 将宿主机 /opt/tika-compose/tika-config.json 只读挂载到容器内 /opt/tika-config.json，见第八节。
  3. 日志不落盘，统一通过 docker logs 或 docker compose logs 查看，需要长期留存时可在宿主机配置日志采集。
  4. 容器内的解析子进程由 Tika 自行管理（空闲超时自动回收、按需重建），无需数据卷参与。

六、常用环境变量表

环境变量作用本文取值实测结果
JDK_JAVA_OPTIONSJVM 启动参数，java 进程启动时自动拾取"-Xms256m -Xmx512m"生效，日志输出 NOTE: Picked up JDK_JAVA_OPTIONS: -Xms256m -Xmx512m

说明：镜像自身的 Env 仅包含 PATH 与 TIKA_VERSION（见第二节核验回显），官方未提供其他业务开关环境变量；宿主机端口映射、重启策略等通过 compose 字段控制，不走环境变量。

七、常用配置参数说明

compose 字段本文取值说明
imageapache/tika:latest官方镜像，latest 实测对应 4.1.0
container_nametika-server固定容器名，便于 logs 与 stats 定位
restartunless-stopped异常退出自动拉起，手工停止后不自动重启
ports"9998:9998"宿主机端口:容器端口，容器端口固定 9998
environmentJDK_JAVA_OPTIONS控制堆内存，镜像 Entrypoint 中的 java 会自动拾取
volumes./tika-config.json:/opt/tika-config.json:ro配置文件只读挂载
command["--config", "/opt/tika-config.json"]透传给 Tika 的追加参数，会拼接到镜像 Entrypoint 之后

容器内同样启用 pipes 架构：日志显示 Using per-client server mode with 4 clients，即主进程外还有 4 个解析子进程，内存评估需按多进程合计（见十一、Q4）。

八、配置文件持久化

  1. 配置文件放宿主机 /opt/tika-compose/tika-config.json，以只读方式挂载进容器，修改配置只需编辑宿主机文件。
  2. 生效判据：启动日志出现 Using custom config: /opt/tika-config.json，说明配置加载成功。
  3. 修改配置后的生效流程：
docker compose restart tika

随后复查日志中的 Using custom config 行确认新配置被读取。

九、等价 docker run 运行方式

不使用 compose 时，以下单条命令与上述部署等价（映射宿主机 19998 端口仅为与 compose 实例区分）：

docker run -d --name tika-run --restart unless-stopped -p 19998:9998 -e JDK_JAVA_OPTIONS='-Xms256m -Xmx512m' apache/tika:latest --port 9998

启动日志实测回显：

NOTE: Picked up JDK_JAVA_OPTIONS: -Xms256m -Xmx512m
INFO  [main] org.apache.tika.server.core.TikaServerProcess Starting Apache Tika 4.1.0 server
INFO  [main] org.apache.tika.config.loader.TikaLoader temporary files go to java.io.tmpdir=/tmp
INFO  [main] org.apache.tika.server.core.TikaServerProcess Created input temp directory: /tmp/tika-server-input-17144704449811102408
INFO  [main] org.apache.tika.server.core.TikaServerProcess Created unpack temp directory: /tmp/tika-server-unpack-16188526666345826698
INFO  [main] org.apache.tika.server.core.TikaServerProcess Configuring __tika-server with basePath=/tmp/tika-server-input-17144704449811102408
INFO  [main] org.apache.tika.pipes.core.PipesParser Using per-client server mode with 4 clients

在宿主机验证：

curl -s http://127.0.0.1:19998/version

Apache Tika 4.1.0

注意：镜像内没有 wget 与 curl（实测进入容器执行 wget 报 executable file not found），接口验证一律在宿主机执行。确认无误后按需清理该容器：

docker rm -f tika-run

十、常用运维命令

以下命令均在 /opt/tika-compose 目录执行，逐条单独运行。

查看容器状态：

docker compose ps

持续跟踪日志：

docker compose logs -f tika

重启服务（配置变更后使用）：

docker compose restart tika

停止与启动：

docker compose stop tika

docker compose start tika

销毁整套服务（容器与内部网络一并移除，配置文件保留在宿主机）：

docker compose down

 Container tika-server Stopping
 Container tika-server Stopped
 Container tika-server Removing
 Container tika-server Removed
 Network tika-compose_default Removing
 Network tika-compose_default Removed

查看实时资源占用：

docker stats --no-stream

CONTAINER ID   NAME          CPU %     MEM USAGE / LIMIT    MEM %     NET I/O         BLOCK I/O    PIDS
e08e6d996584   tika-run      0.02%     311.4MiB / 31.3GiB   0.97%     2.18kB / 644B   0B / 4.1kB   38
43f8220ccd56   tika-server   196.39%   403.8MiB / 31.3GiB   1.26%     2.25kB / 772B   0B / 4.1kB   61

核验镜像版本：

docker inspect apache/tika:latest --format '{{json .Config.Env}}'

十一、常见问题

Q1：9998 端口被占用无法启动？ 将 ports 改为其他宿主机端口，如 "19998:9998"，客户端改用新端口访问；或先用 ss -ltnp 排查占用 9998 的进程后再决定是否调整。

Q2：堆内存参数没有生效？ 查看 docker compose logs tika，确认存在 NOTE: Picked up JDK_JAVA_OPTIONS 行。若缺失，检查 compose 的 environment 段缩进与写法，修改后执行 docker compose up -d 重建容器。

Q3：配置文件没有生效？ 日志出现 Using custom config: /opt/tika-config.json 才表示加载成功。确认 volumes 与 command 两段成对出现且路径一致；只改了宿主机文件时必须执行 docker compose restart tika。

Q4：内存占用数百 MB 是否正常？ 正常。容器内是主进程加 4 个 pipes 解析子进程的多进程结构，实测空闲时内存约 311 至 404MiB 之间波动，解析高峰会进一步上升。512MB 堆配置建议容器内存预算不低于 1GB；调小 JDK_JAVA_OPTIONS 的 -Xmx 可降低占用，但需同步评估文档解析余量。

Q5：docker pull 拉取镜像失败？ 多为网络不通或 Docker Hub 访问受限。可为 Docker 配置镜像加速或代理；完全离线的环境使用第三节第 4 条的 docker save 与 docker load 方式离线导入。

Q6：日志频繁出现 socket timeout while waiting for task, shutting down？ 这是 pipes 解析子进程空闲超时后的自动回收，随后按需重建，属 4.x 正常行为，无需处理。

十二、参考链接

  1. Docker Hub 镜像主页：https://hub.docker.com/r/apache/tika
  2. Apache Tika 官方下载页：https://tika.apache.org/download.html
  3. Tika Server 官方文档：https://cwiki.apache.org/confluence/display/TIKA/TikaServer
  4. Docker Compose 官方文档：https://docs.docker.com/compose/