- 下载安装Docker，调整Docker服务资源配置（Dashboard-Settings-Resources）后启动Docker服务：
- 拉取GeaFlow Console镜像
执行以下命令拉取远程geaflow console镜像:
x86架构拉取x86镜像：
docker pull tugraph/geaflow-console:<version>如果是arm架构，拉取arm镜像：
docker pull tugraph/geaflow-console-arm:<version>如果遇到网络问题导致拉取失败，也可以通过下面命令直接构建镜像(构建镜像之前需要先启动docker容器,构建脚本根据机器类型build对应类型的镜像):
git clone https://github.com/TuGraph-family/tugraph-analytics.git
cd tugraph-analytics/
./build.sh --module=geaflow-console
整个编译过程可能持续一段时间，请耐心等待。镜像编译成功后，通过以下命令查看镜像：
docker images远程拉取的镜像名称为：tugraph/geaflow-console:0.1(x86架构) 或者tugraph/geaflow-console-arm:0.1(arm架构) 。本地镜像名称为：geaflow-console:0.1，只需选择一种方式构建镜像即可。
下面介绍在docker容器里面运行前面本地模式运行介绍的流图作业。
- 启动GeaFlow Console平台服务。
- 远程镜像启动方式如下：
x86架构
docker run -d --name geaflow-console -p 8888:8888 tugraph/geaflow-console:0.1
arm架构
docker run -d --name geaflow-console -p 8888:8888 tugraph/geaflow-console-arm:0.1
通过uname -a命令可以查看机器架构类型.
- 本地镜像启动方式如下：
docker run -d --name geaflow-console -p 8888:8888 geaflow-console:0.1
注意: 远程拉取镜像和本地镜像tag名称不同，启动命令有所区别。
进入容器等待Java进程启动完成后，访问localhost:8888进入GeaFlow Console平台页面。
> docker exec -it geaflow-console tailf /tmp/logs/geaflow/app-default.log
# wait the logs below and open url http://localhost:8888
GeaflowApplication:61 - Started GeaflowApplication in 11.437 seconds (JVM running for 13.475)- 注册用户
首位注册用户将默认被设置为管理员，以管理员身份登录，通过一键安装功能开始系统初始化。
- 配置运行时环境
GeaFlow首次运行需要配置运行时环境相关的配置，包括集群配置、运行时配置、数据存储配置以及文件存储配置。
3.1 集群配置
使用默认Container模式，即本地容器运行。
3.2 运行时配置
本地运行模式下可以跳过这一步配置，使用系统默认配置，直接点下一步。
3.3 数据存储配置
选择图数据存储位置，本地模式下选择LOCAL,填写一个本地目录。默认不需填写，直接点下一步。
3.4 文件存储配置
该配置为GeaFlow引擎JAR、用户JAR文件的持久化存储，比如HDFS等。本地运行模式下和数据存储配置相同，选择LOCAL模式，填写一个本地目录。默认不需填写，直接点下一步。
配置完成后点击一键安装按钮，安装成功后，管理员会自动切换到个人租户下的默认实例，并可以直接创建发布图计算任务。
- 提交图计算任务
进入图研发页面，console在启动后会自动创建出一个demo作业。(本地模式运行中的环路查找作业)
可点击发布按钮，直接发布作业。
然后进入作业管理页面，点击提交按钮提交作业执行。
- 运行后可在docker中设置的输出路径中看到结果文件 (默认路径为/tmp/geaflow/demo_job_result)
2,3,4,1,2
4,1,2,3,4
3,4,1,2,3
1,2,3,4,1
GeaFlow支持K8S部署, 部署详细文档请参考文档：K8S部署