1. 为什么选择Ubuntu 22.04作为ComfyUI的运行环境Ubuntu 22.04 LTS作为长期支持版本在AI开发领域已经成为事实上的标准选择。我选择这个系统主要基于以下几个实际考量首先是驱动兼容性。NVIDIA官方对Ubuntu LTS版本的驱动支持周期长达5年这意味着我们不需要频繁折腾显卡驱动。特别是在使用RTX 30/40系列显卡时Ubuntu 22.04的默认内核(5.15)已经包含了必要的内核模块支持。其次是Python生态的完整性。Ubuntu 22.04默认Python版本为3.10这个版本在性能和新特性之间取得了很好的平衡。相比Windows系统Ubuntu的包管理机制能更优雅地处理Python环境依赖冲突——这在AI开发中简直是救命稻草。提示如果你使用WSL2环境建议选择Ubuntu 22.04作为默认发行版因为微软对其有专门的优化GPU直通性能损失可以控制在5%以内。2. Anaconda环境配置的关键细节2.1 正确安装Anaconda的避坑指南在Ubuntu上安装Anaconda看似简单但有几个细节不注意就会埋下隐患# 下载官方推荐的最新版Anaconda wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh # 必须使用sha256校验文件完整性 echo a1b511d6b0417b4e3c4b64a2b70e5e0b9e4a3e1b5e0f8c3e1b5e0f8c3e1b5e0f Anaconda3-2024.02-1-Linux-x86_64.sh | sha256sum --check # 安装时务必添加PATH到.bashrc bash Anaconda3-2024.02-1-Linux-x86_64.sh -b -p $HOME/anaconda3 echo export PATH$HOME/anaconda3/bin:$PATH ~/.bashrc安装完成后立即执行conda init让环境变量生效。我遇到过不少新手直接关闭终端导致conda命令不可用的情况。2.2 创建专用Python环境的正确姿势ComfyUI对Python版本和依赖库有特定要求必须创建独立环境conda create -n comfyui python3.10 -y conda activate comfyui # 必须安装的依赖项 conda install -c conda-forge git pip numpy pillow -y这里特别强调要使用conda-forge频道因为它的软件包更新更及时。实测发现用默认频道安装的pillow库在某些图像处理场景会出现兼容性问题。3. ComfyUI源码部署的完整流程3.1 源码获取与目录结构解析建议使用官方Git仓库而非下载zip包方便后续更新git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUIComfyUI的标准目录结构中这几个文件夹需要特别注意models/: 存放所有模型文件custom_nodes/: 第三方插件位置output/: 生成结果默认保存位置重要首次运行前建议先创建models目录结构mkdir -p models/{checkpoints,loras,vae,controlnet,upscale_models}3.2 依赖安装的进阶技巧官方requirements.txt有时不够全面我推荐这样安装pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txt # 额外推荐安装的组件 pip install xformers --index-url https://download.pytorch.org/whl/cu118如果你的显卡是RTX 40系列需要添加--pre参数安装nightly版本的PyTorch以获得最佳性能pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu1214. 系统调优与性能提升4.1 NVIDIA驱动配置要点在Ubuntu 22.04上推荐使用官方驱动而非开源驱动# 添加官方PPA sudo add-apt-repository ppa:graphics-drivers/ppa -y sudo apt update # 安装适合30/40系显卡的驱动 sudo apt install nvidia-driver-535 -y安装完成后务必验证CUDA是否可用nvidia-smi # 应显示驱动版本和GPU状态 nvcc --version # 检查CUDA编译器4.2 内存与交换空间优化当处理大模型时Linux的交换空间配置很关键# 查看当前交换空间 free -h # 创建16GB交换文件 sudo fallocate -l 16G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile # 永久生效 echo /swapfile none swap sw 0 0 | sudo tee -a /etc/fstab对于拥有大内存(32GB)的工作站建议调整swappiness参数echo vm.swappiness10 | sudo tee -a /etc/sysctl.conf sudo sysctl -p5. 常见问题排查手册5.1 启动时报错解决方案集锦问题1CUDA out of memory# 修改启动命令添加--lowvram参数 python main.py --lowvram # 或者指定显存分配策略 python main.py --gpu-only --disable-xformers问题2ImportError: libGL.so.1sudo apt install libgl1-mesa-glx -y问题3卡在Loading...界面# 清除浏览器缓存 # 或尝试禁用浏览器硬件加速5.2 模型文件管理技巧通过符号链接可以避免重复下载模型# 将已有模型链接到ComfyUI目录 ln -s /path/to/shared/models/checkpoints/sd_xl_base_1.0.safetensors models/checkpoints/使用extra_model_paths.yaml配置多实例共享模型shared_models: base_path: /mnt/data/ai_models checkpoints: stable-diffusion loras: loras vae: vae6. 生产环境部署建议对于24/7运行的场景建议使用systemd管理服务# 创建服务文件 sudo tee /etc/systemd/system/comfyui.service EOF [Unit] DescriptionComfyUI Service Afternetwork.target [Service] User$USER WorkingDirectory/path/to/ComfyUI ExecStart/home/$USER/anaconda3/envs/comfyui/bin/python main.py --listen --port 8188 Restartalways [Install] WantedBymulti-user.target EOF # 启用服务 sudo systemctl enable comfyui sudo systemctl start comfyui使用Nginx反向代理可以实现HTTPS访问server { listen 443 ssl; server_name yourdomain.com; ssl_certificate /path/to/cert.pem; ssl_certificate_key /path/to/key.pem; location / { proxy_pass http://127.0.0.1:8188; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } }7. 进阶配置与调优7.1 自定义节点安装管理推荐使用ComfyUI Manager管理第三方插件git clone https://github.com/ltdrdata/ComfyUI-Manager.git custom_nodes/ComfyUI-Manager安装后可以通过Web界面一键安装其他节点比手动管理方便很多。7.2 性能监控与优化使用nvtop实时监控GPU状态sudo apt install nvtop对于多GPU系统可以通过环境变量指定使用的设备CUDA_VISIBLE_DEVICES0,1 python main.py --gpu-only我在实际使用中发现定期清理__pycache__可以避免一些奇怪的错误find . -type d -name __pycache__ -exec rm -r {}