1. 环境准备与基础配置在Windows 11上通过WSL搭建Comfy UI开发环境首先要确保系统版本支持WSL 2。打开PowerShell输入wsl --version检查如果显示版本低于2.0需要执行wsl --install进行升级。我推荐使用Ubuntu 22.04作为子系统这个LTS版本对Docker的支持最稳定实测在RTX 3060显卡上跑AI模型时内存管理更优秀。安装完WSL后关键是要配置好开发环境的基础依赖。在Ubuntu终端里连续执行以下命令sudo apt update sudo apt upgrade -y sudo apt install -y git python3-pip docker.io这里有个容易踩坑的地方默认安装的Docker版本可能较旧需要额外配置官方仓库。我建议直接使用微软官方提供的WSL集成方案在Windows端安装Docker Desktop后勾选Use the WSL 2 based engine选项这样能自动完成所有环境变量配置。2. Docker环境深度配置2.1 镜像加速与权限设置国内用户构建镜像时经常会遇到拉取基础镜像超时的问题。修改/etc/docker/daemon.json文件没有就新建加入国内镜像源{ registry-mirrors: [ https://registry.cn-hangzhou.aliyuncs.com, https://docker.mirrors.ustc.edu.cn ] }保存后执行sudo systemctl restart docker重启服务。这里有个细节WSL里的Docker服务默认不会自动启动需要在~/.bashrc末尾添加sudo service docker start否则每次重启WSL都要手动启动服务。权限问题也是常见痛点建议将当前用户加入docker组sudo groupadd docker sudo usermod -aG docker $USER newgrp docker执行完需要重新登录WSL才能生效否则会遇到Got permission denied错误。2.2 存储驱动优化WSL 2默认的磁盘性能较差特别是处理大体积AI模型时。修改/etc/docker/daemon.json追加以下配置{ storage-driver: overlay2, storage-opts: [ overlay2.override_kernel_checktrue ] }实测这个配置能让镜像构建速度提升30%以上。另外建议在Windows端的Docker Desktop设置里将WSL集成中的内存限制调整到至少8GB推荐12GB否则训练大模型时容易OOM。3. Comfy UI镜像构建实战3.1 Dockerfile深度解析原始Dockerfile有几个可以优化的关键点。首先是基础镜像选择官方用的pytorch/pytorch:2.3.0-cuda12.1-cudnn8-runtime虽然稳定但体积较大约5GB。我们可以改用精简版FROM pytorch/pytorch:2.3.0-cuda12.1-cudnn8-runtime-slim这样能节省约1.5GB空间同时保持CUDA功能完整。其次是构建缓存优化原始文件只缓存了pip安装环节。改进后的多阶段缓存方案RUN --mounttypecache,target/var/cache/apt \ --mounttypecache,target/var/lib/apt/lists \ apt-get update apt-get install -y git apt-get clean这个技巧能避免重复下载apt包特别适合需要反复调试Dockerfile的场景。3.2 代码版本控制策略原始方案注释掉git reset --hard虽然能用最新代码但会导致构建结果不可复现。更专业的做法是ARG COMFYUI_VERSIONmaster RUN git clone https://github.com/comfyanonymous/ComfyUI.git ${ROOT} \ cd ${ROOT} \ git checkout ${COMFYUI_VERSION} \ git rev-parse HEAD /tmp/commit_hash.txt这样既可以通过--build-arg指定版本又能记录实际构建的commit hash。部署到生产环境时建议锁定具体tag版本docker build --build-arg COMFYUI_VERSIONv1.0.0 -t comfy-ui:prod .4. 部署与调优技巧4.1 docker-compose全栈配置标准的单服务部署配置version: 3.8 services: comfyui: build: context: ./services/comfy args: COMFYUI_VERSION: master ports: - 7860:7860 volumes: - ./data:/stable-diffusion/data - ./output:/stable-diffusion/output deploy: resources: reservations: devices: - driver: nvidia count: 1 capabilities: [gpu]高级多服务联动方案带模型下载服务services: downloader: build: ./services/download volumes: - ./data:/data comfyui: depends_on: - downloader environment: MODEL_DIR: /stable-diffusion/data/models4.2 性能调优参数在docker-compose.yml中追加这些参数可显著提升性能environment: - PYTORCH_CUDA_ALLOC_CONFbackend:cudaMallocAsync - CUDA_LAUNCH_BLOCKING0 - TF_FORCE_GPU_ALLOW_GROWTHtrue对于NVIDIA显卡用户建议添加运行时参数runtime: nvidia environment: - NVIDIA_DRIVER_CAPABILITIEScompute,utility - NVIDIA_VISIBLE_DEVICESall5. 常见问题排查指南构建阶段典型问题及解决方案CUDA版本不匹配表现为undefined symbol: cublasLtHSHMatmulAlgoInit等错误。解决方法nvidia-smi # 查看驱动支持的CUDA版本 docker run --rm nvidia/cuda:12.1.1-base-ubuntu22.04 nvcc --version # 验证容器内CUDA版本pip安装超时在Dockerfile顶部添加ENV PIP_INDEX_URLhttps://pypi.tuna.tsinghua.edu.cn/simple ENV PIP_TRUSTED_HOSTpypi.tuna.tsinghua.edu.cn模型加载失败检查volume挂载路径是否正确建议使用绝对路径volumes: - /mnt/c/Users/yourname/comfy-ui/data:/stable-diffusion/data运行时监控命令docker stats # 查看资源占用 nvidia-docker stats # GPU专用监控 docker logs -f comfyui # 实时日志6. 生产环境部署建议对于需要7x24小时运行的场景建议采用以下高可用方案健康检查配置healthcheck: test: [CMD, curl, -f, http://localhost:7860] interval: 30s timeout: 10s retries: 3日志管理方案logging: driver: json-file options: max-size: 100m max-file: 3自动重启策略restart: unless-stopped对于团队协作场景可以搭建私有Registrydocker run -d -p 5000:5000 --restartalways --name registry registry:2 docker tag comfy-ui:latest localhost:5000/comfy-ui docker push localhost:5000/comfy-ui这套方案在我们团队的AI绘画平台已稳定运行半年单台RTX 4090服务器能同时承载15个Comfy UI实例。关键是要根据实际负载动态调整Docker的CPU限制和内存限额避免单个容器独占所有资源。