属于大家的
VPS知识分享站

ComfyUI 部署:美国/日本 GPU 节点出图实测

ComfyUI 装好,浏览器打开却是一片空白;换台机器,同样的工作流又报显存不足。出图这件事,卡的不只是显卡型号,还有模型放哪、节点怎么连、远程怎么访问。

ComfyUI 是什么

ComfyUI 是节点式的 Stable Diffusion 前端:把模型加载、提示词、采样、放大串成一张图,点运行就出图。它比 WebUI 灵活,工作流能复用,也能通过 API 批量跑。

部署方式

有桌面版和 Docker 版。服务器上建议 Docker,方便挂载模型目录和迁移:

docker run -d --name comfyui \
  --gpus all \
  -p 8188:8188 \
  -v /data/comfyui/models:/app/models \
  -v /data/comfyui/output:/app/output \
  yanwk/comfyui-boot:cu121

模型目录单独挂盘:checkpoint 动辄几个 GB,SDXL 和 Flux 更大,系统盘很快满。

黑白 GPU 块与画框堆叠
SDXL 建议 12GB,Flux 建议 24GB。

显存要多少

用途 显存 说明
SD1.5 512px 6–8GB 入门够用
SDXL 1024px 10–12GB 常用配置
Flux / 大模型 16–24GB 模型大,加载也慢

显存不够时先降分辨率、减 batch,再考虑换卡;不要一上来就 24GB,先看工作流实际占用。

模型怎么放

/app/models/checkpoints
/app/models/loras
/app/models/vae
/app/models/controlnet
/app/models/upscale_models

目录结构要对,节点才能识别;文件名别带特殊字符,中文名有时会加载失败。

黑白节点图,一个节点为红色
工作流存 JSON,插件版本要记录。

节点和工作流

新手先跑官方示例,再装 ComfyUI Manager 管插件。工作流保存成 JSON,换机器可以直接导入;插件版本要记录,否则节点可能变红。

常见节点:加载模型、CLIP 文本编码、K 采样器、VAE 解码、保存图像;放大和 ControlNet 按需加,别一上来堆满。

两个定位点由细弧线连接
交互调参选日本,批量出图选美国。

美国还是日本节点

出图是 GPU 密集型,节点选择看使用方式。

  • 日本:大陆访问延迟低,适合边调边看、交互式出图
  • 美国:GPU 机型多、价格低,适合批量跑图和离线任务
  • 香港:延迟最低,适合做 Web 入口和任务调度

如果人坐在国内调工作流,日本体验更好;如果夜里批量出几百张,美国更划算。

远程访问和安全

ComfyUI 默认没有鉴权,8188 不能直接暴露公网。用 Nginx 反代加 Basic Auth 或 SSO,或者只开内网加 VPN:

location / {
    auth_basic "comfy";
    auth_basic_user_file /etc/nginx/.htpasswd;
    proxy_pass http://127.0.0.1:8188;
    proxy_read_timeout 600s;
}

出图时间长,超时给足;WebSocket 要透传,否则进度条不动。

成本和排队

按 GPU 小时计费,出图任务攒批跑更省;一张图几十秒到几分钟,看模型和步数。批量任务用队列,失败重试,别让一个人占满显卡。

和 WebUI 的区别

ComfyUI 用节点描述流程,适合复用和批量;WebUI 用表单,适合快速试提示词。两者可以共用一个模型目录,但别同时占一张卡。

模型来源

模型从 Civitai、Hugging Face 下载,注意许可证和训练数据;商用前确认授权,别只看“可下载”。

批量 API

ComfyUI 有 API 模式,能把工作流当接口调;批量任务用队列提交,失败重试,别一张一张点。

成本案例

按 GPU 小时算,出图速度取决于模型和步数;攒一批任务再开机,比 24 小时常开省。

常见误区

“显存越大越好”会浪费预算;“模型越多越好”会拖慢加载;不备份工作流,换机器就重搭。

ControlNet 和放大

ControlNet 吃显存也吃预处理;先跑通基础出图,再加姿态、边缘和放大,别一次全开。

队列

多人共用时用队列串行,按用户限张数;失败任务单独重试,别阻塞整条队列。

远程团队

工作流 JSON 和模型版本一起归档,换机器才能复现;只存图不存流程,下次还得重搭。

安全

8188 默认无鉴权,必须反代加登录;插件来源要可信,别乱装来路不明的节点包。

监控

看显存、队列、单张耗时和失败率;显存长期 90% 以上,先降分辨率或换卡。

选型

先按工作流峰值选卡,再按使用方式选节点;别为偶尔出图买最贵的卡。

出图流程

先定模型和分辨率,再调采样步数和 CFG;一次只改一个参数,否则出了问题不知道是谁的锅。

运维

模型和输出分盘,定期清缓存;容器重启后检查 GPU 是否挂上,别等出图报错才发现。

先跑一张图,再谈批量;显存、模型、队列三件事对齐,出图才稳。

出图是长尾需求,先按小时用,稳定了再月付,别一开始就押年付。

先出图,再优化,最后才谈批量。

显存和队列是瓶颈,先解决这两个。

先把一张图跑顺,再谈几百张。

出图是工程活,不是抽卡。

先把流程跑通,再谈效率和成本,真的不能再拖。

出图任务对交互延迟敏感时,日本 GPU 节点适合东亚用户;批量队列放美国更划算。

常见问题 FAQ

Q1:ComfyUI 和 WebUI 怎么选?

要灵活工作流和批量 API 选 ComfyUI;只想填提示词出图,WebUI 更简单。

Q2:8GB 显存够吗?

SD1.5 够,SDXL 勉强,Flux 不够;先降分辨率再考虑换卡。

Q3:美国还是日本节点?

交互式调参选日本,批量出图选美国;香港适合做入口。

Q4:模型能商用吗?

看模型许可证和训练数据来源;商用前确认授权,别只看“开源”。

Q5:怎么防止别人白嫖?

反代加鉴权、按用户限流、监控显存和队列;别把 8188 直接暴露。

总结

ComfyUI 部署的关键是显存、模型目录和访问安全:SDXL 建议 12GB,Flux 建议 24GB;模型单独挂盘;8188 必须加鉴权。交互选日本,批量选美国。

需要 GPU 机器出图,先按小时开一台萤光云美国硅谷云服务器,先跑一张图看显存和耗时。

参考来源

相关推荐

赞(0)
未经允许不得转载:VPS知识分享站 » ComfyUI 部署:美国/日本 GPU 节点出图实测