> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/deployment/ja/self-hosted/inference-server/configuration/environment-variables.md).

# Inference Server の環境変数

self-hosted の Roboflow Inference サーバーを制御する環境変数 - 実行プロバイダ、キャッシュ、Workflows、Roboflow API の再試行、テレメトリ、HTTPS、セキュリティ。

推論サーバーの動作は、一連の環境変数によって制御されます。各変数は以下で定義されています [`inference/core/env.py`](https://github.com/roboflow/inference/blob/main/inference/core/env.py)。以下の項目は、より詳しい説明が必要な変数です。

それらをコンテナに渡すには `-e` を使用します（ [Docker の設定オプション](/deployment/ja/self-hosted/inference-server/configuration/docker-configuration.md) で、最もよく変更される設定を確認できます）：

```bash
docker run -it --rm -e ENV_VAR_NAME=env_var_value -p 127.0.0.1:9001:9001 roboflow/roboflow-inference-server-cpu:latest
```

{% hint style="info" %}
これらの変数は Inference サーバーを構成します。Roboflow CLI と Python SDK は、別のより少ない変数セット（`ROBOFLOW_API_KEY`, `ROBOFLOW_CONFIG_DIR`、その他）を読み取ります。詳細は [環境変数](https://docs.roboflow.com/reference/environment-variables) を参照してください。
{% endhint %}

最近のセキュリティ設定のソースとリリース範囲については、 [セキュリティ設定の移行](/deployment/ja/self-hosted/inference-server/configuration/security-migration.md#release-status).

## 実行とモデル

<table data-search="false"><thead><tr><th>変数</th><th>説明</th><th>デフォルト</th></tr></thead><tbody><tr><td>ONNXRUNTIME_EXECUTION_PROVIDERS</td><td>優先順位順の実行プロバイダーの一覧。お使いのプラットフォームでサポートされていないプロバイダーがある場合は警告が表示されます。</td><td>参照 <a href="https://github.com/roboflow/inference/blob/main/inference/core/env.py">env.py</a></td></tr><tr><td>RUNS_ON_JETSON</td><td>Inference が Jetson デバイス上で動作するかどうか。Jetson アーキテクチャ向けのすべての Docker ビルドでは True に設定されます。</td><td>False</td></tr><tr><td>MODEL_VALIDATION_DISABLED</td><td>試行推論をスキップすることで、モデルの読み込みを高速化します。</td><td>False</td></tr><tr><td>SAM2_MAX_EMBEDDING_CACHE_SIZE</td><td>GPU メモリに保持される SAM2 埋め込みの数。各埋め込みは 16777216 バイトを使用します。</td><td>100</td></tr><tr><td>SAM2_MAX_LOGITS_CACHE_SIZE</td><td>CPU メモリに保持される SAM2 ロジットの数。各ロジットは 262144 バイトを使用します。</td><td>1000</td></tr><tr><td>DISABLE_SAM2_LOGITS_CACHE</td><td>SAM2 ロジットのキャッシュを無効にします。デバッグやメモリ使用量の最小化に有用ですが、同様の繰り返しリクエストが遅くなる代償があります。</td><td>False</td></tr></tbody></table>

## `inference-models` バックエンド

<table data-search="false"><thead><tr><th>変数</th><th>説明</th><th>デフォルト</th></tr></thead><tbody><tr><td>USE_INFERENCE_MODELS</td><td>inference-models バックエンドを選択します。画像設定で上書きされる場合があります。</td><td>コアライブラリでは False</td></tr><tr><td>ALLOW_INFERENCE_MODELS_DIRECTLY_ACCESS_LOCAL_PACKAGES</td><td>コードを含むローカルのモデルパッケージを許可します。オンラインのモデル認可とは互換性がありません。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/model-security.md">モデルパッケージのセキュリティ</a>.</td><td>False</td></tr><tr><td>ALLOW_INFERENCE_MODELS_UNTRUSTED_PACKAGES</td><td>未信頼として分類されたダウンロード済みパッケージを許可します。ローカルの直接読み込みとは別です。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/security-migration.md#model-package-trust">イメージ移行のデフォルト</a>.</td><td>コアライブラリでは False。イメージ依存</td></tr><tr><td>MAX_INFERENCE_MODELS_CACHE_SIZE_MB</td><td>inference-models のキャッシュ監視を有効にします。0 より大きく設定すると、監視機構がモデル成果物を（古いもの、サイズの大きいものの順に）整理して、時間の経過によるディスク容量不足を防ぎます。USE_INFERENCE_MODELS=True の場合のみ適用されます。</td><td>-1</td></tr><tr><td>INFERENCE_MODELS_CACHE_WATCHDOG_INTERVAL_MINUTES</td><td>inference-models キャッシュ監視の実行頻度。最小は 15 分です。</td><td>60</td></tr><tr><td>ENABLE_CUDA_MEMORY_RECLAMATION_WATCHDOG</td><td>バックグラウンドデーモンを有効にし、キャッシュされているが未使用の CUDA メモリを torch.cuda.empty_cache() 経由で定期的にドライバーへ返します。PyTorch のキャッシュアロケータは解放されたデバイスブロックを独自のプールに保持し、自力では解放しないため、長時間稼働するサーバーでは同時推論やバッチ推論の最大使用量が残り、予約済み VRAM は増え続けます。この監視機構は固定間隔でその余剰分を回収します。実際に使用中の割り当てには触れません。真に過剰に同時実行されたピークによる OOM は防げません。CUDA 上で USE_INFERENCE_MODELS=True の場合にのみ意味があります。</td><td>False</td></tr><tr><td>CUDA_MEMORY_RECLAMATION_WATCHDOG_INTERVAL_SECONDS</td><td>CUDA メモリ監視の回収サイクル間隔。最小は 5 秒です（それ未満の値は切り上げられます）。ENABLE_CUDA_MEMORY_RECLAMATION_WATCHDOG=True の場合のみ適用されます。</td><td>300</td></tr></tbody></table>

## ワークフローと動画

<table data-search="false"><thead><tr><th>変数</th><th>説明</th><th>デフォルト</th></tr></thead><tbody><tr><td>ENABLE_WORKFLOWS_PROFILING</td><td>サーバーが Workflows のプロファイラトレースをクライアントに返せるようにします。</td><td>False</td></tr><tr><td>WORKFLOWS_PROFILER_BUFFER_SIZE</td><td>プロファイラバッファのサイズ。バッファ内で追跡される、連続した Workflows Execution Engine の run(...) 呼び出し回数です。</td><td>64</td></tr><tr><td>WORKFLOWS_DEFINITION_CACHE_EXPIRY</td><td>get_workflow_specification(...) が返す Workflow 定義をキャッシュする秒数。</td><td>900（15分）</td></tr><tr><td>ENABLE_STREAM_API</td><td>統合動画管理 API を有効にします。標準の CPU、GPU、TensorRT イメージではこれが True に設定されます。同様に JetPack 5.1.1 と 6.2.0 のイメージでも True です。slim イメージおよび JetPack 6.0.0 と 7.1.0 のイメージでは有効ではありません。固定しているイメージを確認してください。</td><td>コアライブラリでは False。記載のイメージでは True</td></tr><tr><td>STREAM_API_PRELOADED_PROCESSES</td><td>ウォーム状態のアイドル動画ワーカーの目標数。GPU 上でのワーカー起動時間を短縮します。イメージで上書きされる場合があります。</td><td>コアライブラリでは 0</td></tr><tr><td>STREAM_MANAGER_MAX_ACTIVE_PIPELINES</td><td>アイドルワーカーを含む管理対象パイプラインプロセスの上限。上限を超えて新しいワーカーが必要なリクエストは拒否されます。STREAM_API_PRELOADED_PROCESSES のほうが高い場合は、その値まで引き上げられます。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/video-configuration.md">動画の設定</a>.</td><td>8</td></tr><tr><td>STREAM_MANAGER_MAX_RAM_MB</td><td>ストリームマネージャーとそのワーカー用の総 RAM 予算。見積もり上の合計がこれを超える場合、新しいワーカーは拒否されます。これは推定に基づく保護であり、厳密なメモリ上限ではありません。</td><td>未設定（RAM 上限なし）</td></tr><tr><td>ALLOW_UNSAFE_GSTREAMER_PIPELINES</td><td>保留中の runtime-hardening ビルドにおいて、信頼された生のパイプラインに対するメディア参照の検証を迂回します。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/security-migration.md#video-source-validation">移行範囲</a>.</td><td>そのビルドでは False</td></tr><tr><td>ALLOW_CUSTOM_PYTHON_EXECUTION_IN_WORKFLOWS</td><td>Custom Python のローカル実行を許可します。Modal 実行は無効にしません。</td><td>True</td></tr><tr><td>WORKFLOWS_CUSTOM_PYTHON_EXECUTION_MODE</td><td>ローカルまたは Modal の Custom Python 実行を選択します。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/security-migration.md#offline-custom-python">オフライン移行時の動作</a>.</td><td>local</td></tr><tr><td>ALLOW_WEBHOOK_WORKFLOWS_SINK_TO_NON_GLOBAL_ADDRESSES</td><td>Webhook Sink がループバック、プライベート、リンクローカル、およびその他のグローバルでないアドレスに接続することを許可します。未信頼の呼び出し元が webhook の宛先を選べる場合は False に設定してください。いずれの値でもリダイレクトと HTTP(S) プロキシは拒否されます。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/security.md#restrict-webhook-sink-destinations">サーバーのセキュリティ</a>.</td><td>True</td></tr></tbody></table>

## GPU テンソルパイプライン

対応する NVIDIA GPU では、Workflows は画像データを動画デコードからモデル推論、出力まで CPU に移さず GPU 上に保持できます。これにより、GPU を多用する動画 Workflows のレイテンシが低下します。必要なのは `USE_INFERENCE_MODELS=True`、計算能力 7.5 以上の GPU（例: T4、RTX 20 シリーズ以降。V100 は不可）、および `onnx.gpu` または Jetson の Docker イメージです。適合する GPU とイメージがない場合、Inference は通常の CPU ベースの実行にフォールバックします。

<table data-search="false"><thead><tr><th>変数</th><th>説明</th><th>デフォルト</th></tr></thead><tbody><tr><td>ENABLE_TENSOR_DATA_REPRESENTATION</td><td>GPU テンソルパイプラインを有効にします。GPU 常駐の Workflows 実行と、ハードウェア支援（NVDEC）による動画デコードです。</td><td>False</td></tr><tr><td>WORKFLOWS_IMAGE_TENSOR_DEVICE</td><td>テンソルパイプラインが有効なときに、Torch のどのデバイスへ Workflow テンソルを配置するかです。</td><td>利用可能なら cuda、そうでなければ cpu</td></tr><tr><td>VIDEO_SOURCE_BUFFER_SIZE</td><td>各動画ソースごとにバッファされるデコード済みフレーム数。</td><td>テンソルパイプラインが有効なら 8、それ以外は 64</td></tr><tr><td>VIDEO_SOURCE_ADAPTIVE_BACKPRESSURE</td><td>推定フレームレートではなくバッファ状態に基づいて、バッファ済みフレームを削除します。</td><td>ENABLE_TENSOR_DATA_REPRESENTATION と一致</td></tr><tr><td>WORKFLOWS_ENFORCE_DENSE_INSTANCE_MASKS</td><td>テンソルパイプラインモデルから、RLE エンコードされたマスクではなく密なインスタンスセグメンテーションマスクを返します。</td><td>False</td></tr><tr><td>WORKFLOWS_SAM_VIDEO_MASK_REPRESENTATION</td><td>テンソルパイプライン内の SAM 動画追跡ブロックで使用されるマスク形式（rle または dense）です。</td><td>rle</td></tr><tr><td>DISABLE_GSTREAMER_VIDEO_SOURCES</td><td>GStreamer ベースの動画ソースを無効にし、標準の CPU デコードを強制します。</td><td>False</td></tr></tbody></table>

## Roboflow API 接続性

<table data-search="false"><thead><tr><th>変数</th><th>説明</th><th>デフォルト</th></tr></thead><tbody><tr><td>TRANSIENT_ROBOFLOW_API_ERRORS</td><td>Roboflow API の HTTP ステータスコードのカンマ区切り一覧。これらは再試行対象になります（GET エンドポイントのみ）。</td><td>未設定</td></tr><tr><td>TRANSIENT_ROBOFLOW_API_ERRORS_RETRIES</td><td>一時的エラー（接続エラーおよび一時的な HTTP コード）を再試行する回数です（GET エンドポイントのみ）。</td><td>3</td></tr><tr><td>TRANSIENT_ROBOFLOW_API_ERRORS_RETRY_INTERVAL</td><td>Roboflow API の一時的エラーを再試行するまでの遅延です（GET エンドポイントのみ）。</td><td>3</td></tr><tr><td>RETRY_CONNECTION_ERRORS_TO_ROBOFLOW_API</td><td>Roboflow API への接続エラーを再試行するかどうかです（GET エンドポイントのみ）。</td><td>False</td></tr><tr><td>ROBOFLOW_API_REQUEST_TIMEOUT</td><td>Roboflow API へのリクエストのタイムアウト秒数（整数）。</td><td>未設定</td></tr><tr><td>API_PROXY_BASE_URL</td><td>apiproxy/* エンドポイントへの Roboflow API プロキシ要求に使用されるベース URL です。長時間実行されるサードパーティのプロキシ呼び出しで Firebase Hosting のタイムアウトを回避するには、これを直接 heavy-API Cloud Run サービスのルートに設定してください。</td><td>API_BASE_URL の値</td></tr><tr><td>DISABLE_VERSION_CHECK</td><td>バックグラウンドスレッドで実行される Inference のバージョンチェックを無効にします。SECURE_GATEWAY が設定されている場合は、api.github.com がゲートウェイの背後から到達できないため、明示的な False を上書きして True に強制設定されます。</td><td>False</td></tr><tr><td>SECURE_GATEWAY</td><td>のアドレス <a href="/deployment/ja/self-hosted/enterprise/secure-gateway.md">Roboflow Secure Gateway</a> エアギャップ環境向け（旧エイリアス: LICENSE_SERVER）。Roboflow API とモデルのダウンロード通信をゲートウェイプロキシ経由にし、バージョンチェックを強制的に無効化し、リモート＋ホスト型が設定されている場合はローカルの Workflow ステップ実行にフォールバックします。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/docker-configuration.md#secure-gateway">Docker の設定オプション</a>.</td><td>未設定</td></tr></tbody></table>

## 監視とテレメトリ

<table data-search="false"><thead><tr><th>変数</th><th>説明</th><th>デフォルト</th></tr></thead><tbody><tr><td>ENABLE_PROMETHEUS</td><td>Prometheus の /metrics エンドポイントを有効にします。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/telemetry.md">テレメトリ</a>.</td><td>Docker Hub イメージでは True</td></tr><tr><td>DOCKER_SOCKET_PATH</td><td>コンテナにマウントされた Docker デーモンソケットへのパスです。指定すると、デーモンソケットから Docker コンテナ統計のポーリングが有効になります。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/telemetry.md#docker-container-metrics">テレメトリ</a>.</td><td>未設定</td></tr><tr><td>METRICS_ENABLED</td><td>Roboflow の <a href="/deployment/ja/to/model-monitoring.md">モデル監視</a>.</td><td>True</td></tr><tr><td>MODEL_MONITORING_CACHE_BACKEND</td><td>モデル監視の pingback データ用キャッシュバックエンドです。default を使用すると通常のキャッシュ選択に従います（REDIS_HOST が設定されていれば Redis、そうでなければメモリ）。memory を使うとプロセスローカルのバッファリングを強制し、Redis を推論のホットパスから外します。</td><td>default</td></tr></tbody></table>

## HTTPS

<table data-search="false"><thead><tr><th>変数</th><th>説明</th><th>デフォルト</th></tr></thead><tbody><tr><td>ENABLE_HTTPS</td><td>Inference サーバーの HTTPS を切り替えます。True の場合、サーバーは SSL_CERTFILE と SSL_KEYFILE を読み取り、TLS でトラフィックを提供します。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/https.md">HTTPS で Inference を提供する</a>.</td><td>False</td></tr><tr><td>SSL_CERTFILE</td><td>ENABLE_HTTPS=True のときに提供される、PEM 形式の TLS 証明書へのパス。</td><td>/etc/inference/certs/server.crt</td></tr><tr><td>SSL_KEYFILE</td><td>SSL_CERTFILE と対になる、PEM 形式の TLS 秘密鍵へのパス。</td><td>/etc/inference/certs/server.key</td></tr><tr><td>SSL_KEYFILE_PASSWORD</td><td>Uvicorn 用の暗号化キーのパスフレーズ。並列 Gunicorn ランチャーではサポートされていません。</td><td>未設定</td></tr><tr><td>SSL_CA_CERTS</td><td>HTTPS 用のクライアント CA バンドル。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/https.md#mutual-tls">mTLS の強制とリリース範囲</a>.</td><td>未設定</td></tr></tbody></table>

## 認証と入力セキュリティ

<table data-search="false"><thead><tr><th>変数</th><th>説明</th><th>デフォルト</th></tr></thead><tbody><tr><td>WORKSPACES_WHITELISTED_FOR_LOCAL_DEPLOYMENT</td><td>推論、Workflow、統合パイプライン要求に許可される Workspace スラッグ。参照： <a href="/deployment/ja/self-hosted/inference-server/configuration/security.md#enforce-authentication">認証と例外</a>.</td><td>未設定</td></tr><tr><td>MODELS_CACHE_AUTH_ENABLED</td><td>呼び出し元がオンラインで Roboflow モデルへアクセスできるかを確認します。このモードではローカルのパッケージを直接読み込むことは拒否されます。</td><td>False</td></tr><tr><td>ALLOW_OFFLINE_MODEL_CACHE_AUTH_BYPASS</td><td>オフラインモードとモデルキャッシュ認証の両方が有効な場合に必要となる、明示的な認可バイパスです。信頼できる単一テナント環境でのみ使用してください。</td><td>False</td></tr></tbody></table>

カスタム Python の実行と URL 画像取得を制御する変数（`ALLOW_CUSTOM_PYTHON_EXECUTION_IN_WORKFLOWS`, `ALLOW_URL_INPUT`, `ALLOW_URL_TO_NON_GLOBAL_ADDRESSES`, `VALIDATE_IMAGE_URL_REDIRECTS`、その他）は、 [セルフホストサーバーの保護](/deployment/ja/self-hosted/inference-server/configuration/security.md) および [受け入れ可能な入力形式](/deployment/ja/self-hosted/inference-server/configuration/input-formats.md).