Skip to Content

Heute Nacht
läuft es.

v0.5.11 · kostenlos · keine Anmeldung
Option 01 · Docker

Auf Ihrer Maschine betreiben

Ein Image, identisch auf macOS, Windows und Linux. Datenbank und Scan-Worker sind schon drin — nichts zu provisionieren, nichts anzubinden.

Starten
docker run -d --name classifyre \  -p 3000:3000 \  --shm-size=1g \  -v classifyre-pgdata:/var/lib/postgresql/data \  -v classifyre-data:/var/lib/classifyre \  -v classifyre-uv-cache:/cache/uv \  classifyre/all-in-one:0.5.11

Dann localhost:3000 öffnen. Braucht Docker und 4 GB Memory. Diese Volumes tragen Ihre Arbeit über Upgrades — der Docker-Guide deckt die Umgebungsvariablen, externe Datenbanken und Object Storage ab.

PostgreSQL, drinnen

Die Datenbank steckt im Image, beim Start abgestimmt auf das Memory, das Sie dem Container gegeben haben. Zeigen Sie mit DATABASE_URL auf Ihren eigenen Server, wenn Sie herauswachsen.

Scan-Worker, gesandboxt

Extraktion und Detektion laufen als eigene Prozesse, die mit dem Scan enden — derselbe Code, den der Cluster als Kubernetes-Jobs fährt.

Ordner mounten, scannen

Mounten Sie ein Verzeichnis read-only und zeigen Sie mit einer Quelle darauf. Nichts wird herauskopiert; die Dateien werden gelesen, wo sie liegen.

Alles bleibt liegen

Quellen, Credentials, Befunde und Fälle leben in Volumes auf Ihrer Platte. Nichts wird zu uns hochgeladen.

Erster Lauf

In vier Schritten zum ersten Befund

Nichts hier braucht eine Konfigurationsdatei. Jeder Schritt passiert in der App, und jeder hat eine Seite in der Doku, wenn Sie ins Detail wollen.

  1. 01

    Image starten

    Ein Befehl, dann localhost:3000 öffnen. Der erste Boot initialisiert die Datenbank und legt einen Workspace an — geben Sie ihm auf einem Laptop ein paar Minuten.

  2. 02

    Quelle anbinden

    Zeigen Sie auf etwas, das Sie bereits betreiben — eine Datenbank, einen S3-Bucket, einen Confluence-Space oder einfach einen lokalen Ordner. Credentials sind at rest verschlüsselt.

    Quellen konfigurieren
  3. 03

    Detektoren einschalten

    Aktivieren Sie die Built-in-Packs, die Sie interessieren — PII, Secrets, Security, Moderation, Qualität. Sie greifen beim ersten Scan, ganz ohne Modell-Setup.

    Vorgefertigte Detektoren
  4. 04

    Scannen, Fall eröffnen

    Befunde landen nach Wichtigkeit gereiht. Gruppieren Sie sie in Anfragen und Fälle, oder binden Sie einen KI-Anbieter an und lassen Sie den Autopiloten sie zwischen den Scans bearbeiten.

    KI-Anbieter
Option 02 · Kubernetes

Oder auf Ihrem Cluster skalieren

Derselbe Open-Source-Kern als Helm-Chart — Web, API, Worker und ephemere Scan-Jobs, die unter Last auffächern und zwischen den Läufen auf null skalieren.

Helm, OCI-nativ

Kein Repo-Add-Schritt

Vor dem Installieren prüfen
helm show chart oci://registry-1.docker.io/classifyre/classifyre-core
Installieren
helm install classifyre \
  oci://registry-1.docker.io/classifyre/classifyre-core \
  --namespace classifyre --create-namespace \
  --version 0.5.11 \
  -f values.yaml
Voraussetzungen
Kubernetes
≥ 1.26
Helm
≥ 3.8 (OCI-nativ)
Ingress
default: nginx
PostgreSQL
14+, extern, oder eingebettet für Demos
Images · Multi-Arch

linux/amd64 + linux/arm64

Unschlüssig

Entscheiden Sie danach, wo die Daten bleiben müssen

Beide Runtimes tragen dieselben Features, und ein Namespace-Export trägt Ihre Arbeit von einer zur anderen — an diese Entscheidung sind Sie also nicht gekettet.

Docker wählen, wenn

  • Sie evaluieren oder allein ermitteln.
  • Der Korpus liegt auf Ihrer Maschine oder ist von dort erreichbar.
  • Nichts darf den Laptop verlassen.
  • Sie wollen in zehn Minuten scannen.

Kubernetes wählen, wenn

  • Ein Team teilt sich die Instanz, aufgeteilt in Workspaces.
  • Scans sollen nach Zeitplan laufen, unbeaufsichtigt.
  • Der Bestand ist groß genug, um auffächernde Worker zu brauchen.
  • Es muss in Ihrem bestehenden Cluster und Netz sitzen.

Fragen Sie sich, was der Enterprise-Layer auf beide Runtimes noch drauflegt? Es sind SSO, Rollen und Autorisierung pro Workspace — keine Features, die dem Open-Source-Kern vorenthalten werden.

Open Source vs. Enterprise

Richten Sie es auf etwas Echtes.

Der schnellste ehrliche Test ist ein System, das Sie bereits betreiben. Installieren Sie es, binden Sie eine Quelle an und sehen Sie, was der Ermittler zutage fördert.

docker run -d --name classifyre \  -p 3000:3000 \  --shm-size=1g \  -v classifyre-pgdata:/var/lib/postgresql/data \  -v classifyre-data:/var/lib/classifyre \  -v classifyre-uv-cache:/cache/uv \  classifyre/all-in-one:0.5.11
Live-Showcase ausprobieren