终极攻略：通过 Docker 部署 WebUI 服务器，释放你的AI生产力！

哈喽，各位技术同好们！今天咱们来聊点硬核的，也是最近让我痴迷不已的——在 Ubuntu 下通过 Docker 部署 WebUI 服务器。想象一下，一个稳定、高效、可移植的 AI 绘画/生成平台，就在你的掌控之中！是不是想想都激动？

我最近在深度体验一些前沿技术，发现部署这类 WebUI 服务器，用 Docker 简直是神来之笔。它不仅简化了部署流程，还能让你的环境干净整洁，完全避免那些恼人的依赖冲突。所以，如果你也想轻松玩转 AI 生成，或者想给你的服务器加点新技能，那这篇教程你可千万别错过！

揭秘幕后英雄：Docker 与 WebUI 软件

在开始部署之前，咱们先花点时间认识一下这次的主角。理解它们，能让你在部署过程中更得心应手，遇到问题也能快速定位。

Docker：轻量级容器化技术的魔法师

Docker 是一种开源的应用容器引擎，它能让开发者将应用及其依赖项打包到一个轻量级、可移植的容器中，然后发布到任何流行的 Linux 机器上。你可以把 Docker 容器想象成一个独立的、迷你版的操作系统，里面包含了运行特定应用程序所需的一切（代码、运行时、系统工具、系统库等）。它的核心优势在于：环境隔离（避免“在我机器上能跑”的问题）、快速部署（容器启动速度远超虚拟机）、资源高效（与虚拟机相比，占用资源更少）、版本控制（轻松回滚或部署特定版本的应用）。对于 WebUI 这种依赖较多、环境复杂的应用来说，Docker 简直是天作之合，能让你告别繁琐的环境配置，一键部署！

WebUI：你的专属 AI 创作工坊

这里的 WebUI 泛指那些基于浏览器的用户界面，通常用于操作复杂的 AI 模型，比如 Stable Diffusion WebUI、ComfyUI 等。它们将原本需要命令行操作的 AI 模型，转化为直观易用的图形界面，让你能轻松调整参数、生成图像、视频甚至音频。通过 WebUI，即使是非专业人士也能体验到 AI 创作的乐趣。它们通常拥有丰富的社区插件和扩展，功能强大且持续迭代，是当前 AI 创作领域不可或缺的工具。这次我们选择 Docker 来部署 WebUI，正是为了充分发挥其便携、隔离的优势，让你的 AI 创作之路更加顺畅。

独家秘笈：Ubuntu 下 Docker 部署 WebUI 服务器的详细教程

好了，干货来了！以下是在 Ubuntu 系统上，一步步教你如何通过 Docker 部署 WebUI 服务器的详细教程。我会尽量把每个步骤都讲清楚，包括命令和配置文件的说明，确保你跟着走就能成功。

步骤 1：安装 Docker Engine

首先，你需要确保你的 Ubuntu 系统上已经安装了 Docker。如果没有，请按照以下步骤进行安装。这里我们推荐使用 Docker 官方的安装脚本，它能确保你安装的是最新稳定版本。

# 1. 更新包索引
sudo apt update

# 2. 安装必要的依赖项
sudo apt install ca-certificates curl gnupg lsb-release

# 3. 添加 Docker 的官方 GPG 密钥
sudo mkdir -m 0755 -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg –dearmor -o /etc/apt/keyrings/docker.gpg

# 4. 设置 Docker 仓库
echo \\
"deb [arch=$(dpkg –print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \\
$(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 5. 再次更新包索引，以便识别 Docker 仓库
sudo apt update

# 6. 安装 Docker Engine、Containerd 和 Docker Compose
sudo apt install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

# 7. 验证 Docker 是否安装成功
sudo docker run hello-world

如果看到“Hello from Docker!”的欢迎信息，说明 Docker 已经成功安装并运行。

步骤 2：配置 Docker 非 root 用户权限（可选但强烈推荐）

默认情况下，运行 Docker 命令需要 sudo 权限。为了方便操作，并避免潜在的安全风险，你可以将当前用户添加到 docker 用户组，这样就可以无需 sudo 直接运行 Docker 命令了。

# 1. 将当前用户添加到 docker 用户组
sudo usermod -aG docker $USER

# 2. 刷新用户组权限（或者注销并重新登录系统）
newgrp docker

# 3. 验证是否可以不使用 sudo 运行 Docker 命令
docker run hello-world

如果这次不加 sudo 也能看到欢迎信息，那么恭喜你，权限配置成功！

步骤 3：准备 WebUI 服务器的 Docker Compose 文件

为了方便管理 WebUI 服务，我们推荐使用 Docker Compose。它允许你通过一个 YAML 文件来定义和运行多容器 Docker 应用。

首先，创建一个目录来存放你的 WebUI 项目文件，并进入该目录：

mkdir ~/webui-server
cd ~/webui-server

然后，创建一个名为 docker-compose.yml 的文件。这个文件将定义你的 WebUI 服务的容器配置。以下是一个典型的 Stable Diffusion WebUI（automatic1111/stable-diffusion-webui）的 Docker Compose 示例，你可以根据你实际使用的 WebUI 镜像进行调整。

# docker-compose.yml
version: '3.8' # Docker Compose 文件版本，建议使用最新稳定版

services:
webui:
image: lnyctea/stable-diffusion-webui-docker:latest # 使用的 Docker 镜像，这里以 Stable Diffusion WebUI 为例
container_name: stable-diffusion-webui # 容器名称，方便识别和管理
ports:
– "7860:7860" # 端口映射，将容器内部的 7860 端口映射到宿主机的 7860 端口
volumes:
– ./data:/app/data # 数据卷挂载，将宿主机的 ./data 目录挂载到容器内部的 /app/data 目录
# 这里可以根据需要挂载更多的目录，例如：
# – ./models:/app/stable-diffusion-webui/models # 挂载模型文件
# – ./extensions:/app/stable-diffusion-webui/extensions # 挂载扩展
environment:
# 设置环境变量，根据 WebUI 镜像的要求进行配置
# 例如，Stable Diffusion WebUI 可能需要这些变量：
– CLI_ARGS="–xformers –theme dark –no-half-vae" # WebUI 启动参数
# –xformers: 启用 xformers 优化，提升显存效率和速度
# –theme dark: 使用暗色主题
# –no-half-vae: 禁用 VAE 半精度计算，解决某些显卡兼容性问题
– CUDA_VISIBLE_DEVICES=0 # 指定使用的 GPU 设备，0 表示第一块 GPU
deploy:
resources:
reservations:
devices:
– driver: nvidia
count: all # 使用所有 NVIDIA GPU
capabilities: [gpu] # 声明使用 GPU 能力
restart: unless-stopped # 容器退出后总是重启，除非手动停止

配置文件参数详解：

• version: '3.8'：指定 Docker Compose 文件的版本。建议使用最新稳定版本，以支持更多功能。
• services:：定义你要运行的服务。这里我们只有一个服务，命名为 webui。
• image: lnyctea/stable-diffusion-webui-docker:latest：指定用于创建容器的 Docker 镜像。
  • lnyctea/stable-diffusion-webui-docker 是 Docker Hub 上的一个公共镜像，包含了 Stable Diffusion WebUI。
  • :latest 表示使用最新版本。你也可以指定具体的版本号，例如 :v1.0.0。
  • 重要提示： 如果你需要特定的 WebUI 版本或具有特定功能的镜像，请访问 Docker Hub 或相关项目页面查找适合你的镜像。对于 ComfyUI，你可能需要 comfyui/comfyui 或其他社区提供的镜像。
• container_name: stable-diffusion-webui：为你的容器指定一个易于识别的名称。
• ports:：端口映射配置。
  • "7860:7860"：将宿主机的 7860 端口映射到容器内部的 7860 端口。WebUI 通常默认监听 7860 端口。你可以根据实际情况修改宿主机端口（冒号左侧的数字），例如 "8080:7860"。
• volumes:：数据卷挂载配置。这是非常关键的部分，它允许你将宿主机上的目录挂载到容器内部，从而实现数据持久化和方便管理。
  • – ./data:/app/data：这是一个示例，表示将当前目录下的 data 文件夹（宿主机）挂载到容器内部的 /app/data 目录。WebUI 通常会把模型、输出图片等放在容器内的特定目录，通过挂载数据卷，即使容器被删除，你的数据也不会丢失。
  • 你可能还需要挂载其他目录，例如：
    • – ./models:/app/stable-diffusion-webui/models：挂载 Stable Diffusion 模型。
    • – ./extensions:/app/stable-diffusion-webui/extensions：挂载 WebUI 扩展。
    • 注意： 挂载路径取决于你所使用的 WebUI 镜像的具体结构，请查阅相应镜像的文档。
• environment:：设置容器内部的环境变量。
  • – CLI_ARGS="–xformers –theme dark –no-half-vae"：这是 WebUI 启动时可以传递的命令行参数。
    • –xformers：如果你的系统支持 xformers 并且显存不足，启用它可以显著提高生成速度和效率。
    • –theme dark：将 WebUI 界面设置为暗色主题。
    • –no-half-vae：在某些情况下可以解决生成图片模糊的问题，尤其是在旧显卡上。
    • 你还可以添加其他参数，例如 –listen 允许外部访问（默认只监听本地），–gradio-queue 启用 Gradio 队列等。
  • – CUDA_VISIBLE_DEVICES=0：指定容器内部可见的 GPU 设备。0 表示使用第一块 GPU。如果你有多块 GPU，可以指定不同的索引，或者使用 all 来暴露所有 GPU。
• deploy:：部署相关的配置，主要用于 GPU 隔离和资源调度。
  • resources:：定义容器的资源限制。
  • reservations:：预留资源。
  • devices:：指定要使用的设备。
    • – driver: nvidia：指定设备驱动为 NVIDIA。
    • count: all：使用所有可用的 NVIDIA GPU。你也可以指定具体数量，例如 count: 1。
    • capabilities: [gpu]：声明容器需要 GPU 能力。
• restart: unless-stopped：设置容器的重启策略。
  • unless-stopped 表示容器退出时总是重启，除非被手动停止。这可以确保你的 WebUI 服务在系统重启后也能自动恢复。

步骤 4：拉取 WebUI 镜像并启动服务

在创建好 docker-compose.yml 文件后，我们就可以使用 Docker Compose 来启动 WebUI 服务了。

# 1. 在 docker-compose.yml 所在的目录中运行以下命令
docker compose pull # 拉取 Docker 镜像，如果本地没有的话

# 2. 启动 WebUI 服务
docker compose up -d # 以后台模式启动服务

• docker compose pull：这个命令会根据 docker-compose.yml 文件中定义的 image，从 Docker Hub（或其他镜像仓库）拉取所需的 Docker 镜像。如果镜像已经存在于本地，它会检查是否有更新。
• docker compose up -d：这个命令会根据 docker-compose.yml 文件创建并启动服务。
  • -d 参数表示在后台（detached mode）运行容器，这样你就可以关闭终端而不影响服务的运行。

如果一切顺利，你会看到 Docker 正在创建和启动容器的输出信息。

步骤 5：访问 WebUI 界面

当容器成功启动后，你就可以通过浏览器访问 WebUI 界面了。

• 打开你的浏览器，在地址栏输入：http://localhost:7860
• 如果你是在远程服务器上部署，并且防火墙允许端口访问，那么将 localhost 替换为你的服务器 IP 地址：http://你的服务器IP地址:7860

通常，WebUI 在第一次启动时会下载一些模型文件和依赖，这可能需要一些时间，具体取决于你的网络速度。请耐心等待，直到界面加载完成。

步骤 6：管理 WebUI 服务

学会了启动，管理服务同样重要。

• 查看运行中的容器：

  docker ps

  这个命令会列出所有正在运行的 Docker 容器，你可以看到 stable-diffusion-webui 容器的状态。

• 查看容器日志：

  docker compose logs -f webui

  这个命令可以实时查看 webui 服务的日志输出，对于排查问题非常有用。

• 停止 WebUI 服务：

  docker compose stop webui

  这个命令会停止 webui 服务容器，但不会删除它。

• 启动已停止的 WebUI 服务：

  docker compose start webui

• 停止并删除 WebUI 服务（慎用）：

  docker compose down

  这个命令会停止并删除 docker-compose.yml 中定义的所有服务容器、网络和卷（如果它们不是外部创建的）。注意： 如果你的数据卷是挂载的本地目录，数据不会被删除。

• 更新 WebUI 镜像： 当你需要更新 WebUI 版本时，可以先拉取最新镜像，然后重新创建容器。 Bash

  docker compose pull # 拉取最新镜像
  docker compose up -d –build –force-recreate # 强制重新创建容器

  –build：如果你的 Dockerfile 有改动，可以重建镜像。 –force-recreate：强制重新创建容器，即使没有配置更改。

步骤 7：Troubleshooting (故障排除)

部署过程中可能会遇到一些问题，别担心，我们来逐一排查：

• 端口被占用： 如果出现 Bind for 0.0.0.0:7860 failed: port is already allocated 错误，说明宿主机的 7860 端口被其他程序占用了。你可以修改 docker-compose.yml 中 ports 的宿主机端口，例如 8080:7860。
• 网络问题： 确保你的服务器有正常的网络连接，能够访问 Docker Hub 下载镜像。
• GPU 驱动问题： 如果你在使用 NVIDIA GPU，但 WebUI 容器无法识别 GPU，这通常是 NVIDIA 驱动或 Docker NVIDIA Runtime 的问题。
  • 确保你的 NVIDIA 驱动已经正确安装，并且版本与你的 CUDA 版本兼容。
  • 确保你安装了 nvidia-container-toolkit。你可以通过以下命令安装： Bash

    distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \\
    && curl -fsSL https://nvidia.github.com/libnvidia-container/gpgkey | sudo gpg –dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \\
    && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \\
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \\
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
    sudo apt-get update
    sudo apt-get install -y nvidia-container-toolkit
    sudo systemctl restart docker

  • 检查 docker-compose.yml 中的 deploy 部分是否正确配置，确保 driver: nvidia 和 capabilities: [gpu] 存在。
  • 你可以通过 docker run –rm –gpus all nvidia/cuda:12.1.0-base nvidia-smi 命令来测试 Docker 是否能正确访问你的 GPU。
• 镜像版本问题： 某些 WebUI 镜像可能不兼容最新的 GPU 驱动或 CUDA 版本。尝试切换到不同的镜像版本，或者查找社区推荐的稳定镜像。
• 内存/显存不足： AI 模型通常需要大量的内存和显存。如果你的服务器资源不足，WebUI 可能会崩溃或运行缓慢。检查你的服务器配置，考虑升级硬件或使用更轻量级的模型。
• WebUI 自身配置问题： 如果 WebUI 启动后界面空白或报错，很可能是 WebUI 自身的配置问题，例如模型路径不正确、插件冲突等。查看容器日志 (docker compose logs -f webui)，根据报错信息进行排查。

尾声：持续学习，提升你的职业竞争力

你看，通过 Docker 部署 WebUI 服务器，是不是比你想象的要简单得多？一旦掌握了 Docker 的精髓，你就能轻松驾驭各种复杂的应用部署，彻底告别环境配置的噩梦。

持续关注我，每天学习几个实用的设计与开发的小技巧，一段时间之后你会发现自己的技巧有所提升，一段时间过后就能持续提高自己的职业竞争力。