【WSL2笔记10】WSL-Ubuntu 环境下 ComfyUI 本地部署性能最大化指南

【WSL2笔记10】WSL-Ubuntu 环境下 ComfyUI 本地部署性能最大化指南

---

🌟 引言：从“开箱即用”到“生产级服务”

ComfyUI 的一键整合包凭借开箱即用、更新频繁、操作简单等优势，在各类视频平台、教学社区和技术论坛中广受欢迎。其基于 Windows 桌面系统的部署方式，极大降低了普通用户的使用门槛，非常适合个人快速上手。

然而，在企业级或团队协作场景中，本地部署的 ComfyUI 或其他 AI 应用往往面临更高的需求：

• 稳定性要求高（7×24 小时运行）
• 维护成本低（无人值守、自动重启）
• 远程访问与调试
• 环境隔离与版本管理

针对这些需求，采用 WSL2 + Docker 的组合方案，能够实现：

✅ 高性能本地部署
✅ 容器化隔离环境
✅ 无人值守自动化运行
✅ 易于维护与扩展

该方案不仅适用于公司内网 AI 服务的长期稳定运行，也可作为开发测试环境，用于功能验证、错误排查和性能压测。

---

🧩 当前背景与目标场景

在之前的 WSL2 笔记系列中，我们更多关注 AI 环境搭建与模型部署细节，而忽略了 WSL2 底层系统配置与性能调优 的重要性。这主要是因为我的主力机（配备 RTX 4090）主要作为 Windows 开发平台，AI 服务仅用于本地测试，真正的生产部署仍在远程云服务器上。

但现实中，越来越多团队希望将高性能主机（如多卡 4090 工作站）转变为内网 AI 服务器，实现：

• 内部人员通过浏览器调用 ComfyUI 或 其他正在开发的项目 或 AI辅助工作协同
• 自动化工作流接入 CI/CD
• 模型训练与推理一体化

本文聚焦于这一典型场景：

将主机作为高频使用的内网 AI 服务器，保留 Windows 桌面系统仅用于低频调试或管理。

在此架构下，如何通过 WSL2 充分释放硬件性能、优化资源调度、提升服务稳定性，将成为我们探讨的核心。

---

🔍 一、WSL2 默认资源配置分析

WSL2 作为 Windows 10/11 的子系统，默认行为如下：

• 最多使用 主机物理内存的 50%
• 可使用 全部 CPU 核心
• 文件系统通过虚拟化机制（VHDX + 9P 协议）实现跨平台访问

下面我们通过命令查看当前 WSL2 实例的资源状态。

1.1 查看内存使用情况

free -h

输出示例：

               total        used        free      shared  buff/cache   available
Mem:            15Gi       389Mi        14Gi       0.0Ki       616Mi        14Gi
Swap:          4.0Gi       152Mi       3.9Gi

top - 18:06:22 up 24 days,  8:58,  0 users,  load average: 0.00, 0.00,