> For the complete documentation index, see [llms.txt](https://ayakaleaf-pro.ayaka.space/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://ayakaleaf-pro.ayaka.space/on-premises/cs/instalace/introduction.md). # Úvod Podobně jako Overleaf Server Pro přichází i náš Ayakaleaf Pro jako Docker kontejner a je přímou náhradou; navíc obsahuje funkce jako SSO poskytované přes LDAP a SAML2, vylepšené zabezpečení, sledování změn, komentáře, naši optimalizovanou verzi TeX Live, šablony a administrační panel. * Pokud jste nikdy předtím nenasadili žádnou verzi Overleafu, podívejte se prosím na [Nastavení Dockeru](/on-premises/cs/instalace/setup-docker.md) nejprve nainstalujte Docker Engine a poté nainstalujte Overleaf [pomocí Toolkitu](/on-premises/cs/instalace/using-the-toolkit.md). * Pokud jste již nasadili Community Edition Overleafu, podívejte se prosím na [Migrace z existující instalace](/on-premises/cs/instalace/migrace-z-existujiciho.md) pro migraci na Ayakaleaf-Pro. * Pokud již používáte Server Pro, před migrací na AyakaLeaf Pro prosím otevřete issue a dejte nám vědět, protože data šablon jsou uložena v mírně odlišném formátu. Velmi rádi vám pomůžeme s migrací ze Server Pro na Ayakaleaf Pro zdarma. * Někdy, pokud vás naše AyakaLeaf Pro omrzí a budete se chtít vrátit k oficiální Overleaf Community Edition, je to plně podporováno. Žádná z vašich dat se neztratí. Uživatelé oficiálního Overleaf Toolkitu stačí odstranit svůj přepisovací YAML soubor. U uživatelů toolkitu ayaka-notes stačí zakázat `SERVER_PRO` možnost. Všechno se pak vrátí ke standardní Community Edition. ### Hardwarové požadavky Provedli jsme příslušné testy a zjistili jsme, že pokud spustíte Overleaf na serveru s 2 jádry a 2 GB RAM, jeho základní komponenty — které jsou založeny především na Node.js — spotřebují přibližně 1 GB paměti. Redis a MongoDB mohou vyžadovat dalších 0,5 GB a spuštění sandboxovaného Docker kontejneru pro kompilaci může spotřebovat dalších 0,3 GB. To znamená, že server s 2 jádry a 2 GB RAM může reálně zvládnout jen asi jednu souběžnou kompilaci najednou. * Minimální hardwarové požadavky pro instalaci AyakaLeaf Pro jsou procesor se 2 jádry a 3 GB RAM. * Vzhledem k velikosti našeho obrazu TeX Live je pro umožnění sandboxované kompilace potřeba alespoň 40 GB úložiště. * Pokud chcete nainstalovat kompletní sadu obrazů TeX Live od roku 2020 do roku 2026, ujistěte se prosím, že máte k dispozici alespoň 150 GB volného místa na disku. Zde jsou některé doporučené hardwarové konfigurace pro různé scénáře použití: | Případ použití | Doporučená konfigurace | | -------------------------------------------------- | ------------------------------------------------------------------------------------------------------------- | | Osobní použití s občasnou spoluprací | 2 CPU jádra, 4 GB RAM, 80 GB úložiště | | Malé týmy, až 10 uživatelů s nenáročnou spoluprací | 2 CPU jádra, 8 GB RAM, 256 GB úložiště | | Středně velké týmy, až 100 uživatelů | 4 CPU jádra, 16 GB RAM, 1 TB úložiště | | Velká nasazení nebo univerzitní instalace | Nasazení distribuovaného clusteru s úložištěm S3; pokud potřebujete pomoc s nasazením, kontaktujte nás prosím | ### Softwarové požadavky Z hlediska softwarových požadavků doporučujeme používat novější verzi Ubuntu (Ubuntu 24.04) spolu s nejnovější stabilní verzí Dockeru. Nedoporučujeme nasazovat Ayakaleaf Pro na Windows ani na jiné nepodporované operační systémy, jako je CentOS, protože můžete narazit na problémy s kompatibilitou nebo neočekávané potíže během instalace a provozu. Pokud byste však chtěli zkusit nasadit Ayakaleaf Pro na systémech založených na ARM nebo na macOS, budeme rádi, když se s komunitou podělíte o své zkušenosti a zpětnou vazbu. ### Výkon LaTeXu LaTeX je jednovláknový program, což znamená, že může v jednu chvíli využívat pouze jedno CPU jádro. Při kompilaci jednoho dokumentu je výkon primárně omezen jednojádrovou taktovací frekvencí procesoru. Čím vyšší je tedy jednojádrový výkon vašeho CPU, tím rychleji budete schopni dokument zkompilovat. Více CPU jader je výhodné pouze tehdy, když více uživatelů kompiluje dokumenty současně. Při použití [šablony ThuThesis](https://www.overleaf.com/latex/templates/thuthesis-tsinghua-university-thesis-latex-template/cfwgcxtvkbsx) jako příklad je doba kompilace na Intel Core i9-14900K (5,6 GHz) přibližně 6 sekund, zatímco na instanci Azure Standard D2as v5 (2 vCPU, 8 GiB RAM) s procesorem AMD EPYC 7763 (3,2 GHz) trvá asi 13 sekund. Skutečný výkon kompilace samozřejmě závisí na vaší hardwarové konfiguraci. Většina serverových CPU neběží na tak vysokých taktech jako 14900K, takže budete muset učinit kompromis mezi cenou a rychlostí kompilace. Mezitím jsme také provedli podrobnou analýzu výkonu kompilace LaTeXu. Pokud vás to zajímá, podívejte se prosím na náš blog [Overleaf Benchmark: A Deep Research of Concurrent LaTeX Compilation in Overleaf (SaaS and Self-host)](/blog/2026/overleaf-benchmark.md). --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://ayakaleaf-pro.ayaka.space/on-premises/cs/instalace/introduction.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.