SwarmUI多GPU配置优化指南：解决ComfyUI后端GPU负载不均问题

问题背景

在使用SwarmUI的ComfyUI自启动后端时，用户经常遇到多GPU配置下负载分配不均的情况。典型表现为：虽然系统中配置了多个GPU后端实例，但实际工作负载仅集中在第一个GPU上，导致硬件资源利用率低下。

核心原理

SwarmUI的多GPU工作模式基于任务队列分发机制，需要同时满足以下三个条件才能实现真正的并行计算：

1. 独立进程隔离：每个GPU后端必须运行在独立的Python进程中
2. 显存资源隔离：每个进程需要明确绑定到特定的GPU设备
3. 批量处理配置：工作流中必须启用多批次(batch)处理功能

详细解决方案

1. 后端服务配置

在SwarmUI的config.json中需要进行如下配置：

"backends": [
    {
        "name": "ComfyUI-GPU0",
        "type": "comfyui_selfstart",
        "script": "dlbackend/ComfyUI/main.py",
        "env": {
            "CUDA_VISIBLE_DEVICES": "0"
        },
        "port": 7821
    },
    {
        "name": "ComfyUI-GPU1",
        "type": "comfyui_selfstart",
        "script": "dlbackend/ComfyUI/main.py",
        "env": {
            "CUDA_VISIBLE_DEVICES": "1"
        },
        "port": 7822
    }
]

关键参数说明：

• CUDA_VISIBLE_DEVICES：强制指定后端使用的GPU索引
• port：每个实例必须使用不同的端口号
• name：建议包含GPU标识便于监控

2. 工作流配置优化

在ComfyUI工作流中需要特别关注：

• 批量大小(Batch Size)：必须设置为大于1的值（建议4-8）
• 并行模式：启用"Parallel Execution"选项
• 显存优化：对于SDXL等大模型，建议设置--medvram参数

3. 系统级验证

通过以下命令验证GPU使用情况：

nvidia-smi -l 1  # 动态监控GPU利用率
ps aux | grep python  # 检查后端进程是否正常启动

常见问题排查

1. GPU未激活：检查nvidia-smi输出是否显示两个GPU都有计算负载
2. 端口冲突：确认每个后端实例使用不同的端口号
3. 显存不足：适当降低batch size或启用--lowvram模式
4. 环境变量失效：确保.env文件或系统环境中的CUDA_VISIBLE_DEVICES未被全局覆盖

性能优化建议

• 对于异构GPU（如不同型号混用），建议在SwarmUI中设置不同的权重参数
• 定期检查GPU温度，避免因散热问题导致降频
• 考虑使用NVIDIA的MPS(Multi-Process Service)服务提高小batch场景下的利用率

通过以上配置，用户可以充分发挥多GPU系统的并行计算能力，显著提升图像生成效率。实际测试中，双GPU配置可使吞吐量提升80-90%，特别适合大批量图像生成场景。