什么是一句话木马？

alert http any any -> any any (msg:"哥斯拉/Godzilla PHP Base64 连接成功";

flow:established,from_server;

flowbits:txisset,Godzilla_webshell_request_match;

http.server;

content:"Rising", negate;

http.response_body;

bsize:36;

pcre:"/^([0-9A-F]{16}|[0-9a-f]{16})/";

pcre:"/([0-9A-F]{16}|[0-9a-f]{16})$/";

pcre:"/^[\s\S]{16}(.*)[\s\S]{16}$/";

pcrexform:"^[\s\S]{16}(.*)[\s\S]{16}$";

pcre:"/[\s\S]/";

base64;

flowbits:unset,Godzilla_webshell_request_match;

)

原来有这么多时间

六月的那么一天，天气比以往时候都更凉爽，媳妇边收拾桌子，边漫不经心的对我说：你最近好像都没怎么阅读了。 正刷着新闻我，如同被一记响亮的晴空霹雳击中一般，不知所措。是了，最近几月诸事凑一起，加之两大项目接踵而至，确实有些许糟心，于是总是在空闲的时间泡在新闻里聊以解忧，再回首，隐隐有些恍如隔世之感。于是收拾好心情，翻开了躺在书架良久的整洁三步曲。也许是太久没有阅读了， 一口气，Bob大叔 Clean 系列三本都读完了，重点推荐Clear Architecture，部分章节建议重复读，比如第5部分-软件架构，可以让你有真正的提升，对代码，对编程，对软件都会有不一样的认识。

Clean Code 次之，基本写了一些常见的规约，大部分也是大家熟知，数据结构与面向对象的看法，是少有的让我 哇喔的点，如果真是在码路上摸跋滚打过的，快速翻阅即可。
The Clean Coder 对个人而言可能作用最小。 确实写人最难，无法聚焦。讲了很多，但是感觉都不深入，或者作者是在写自己，很难映射到自己身上。 当然，第二章说不，与第14章辅导，学徒与技艺，还是值得一看的。

阅读技术书之余，又战战兢兢的翻开了敬畏已久的朱生豪先生翻译的《莎士比亚》, 不看则已，因为看了根本停不来。其华丽的辞职，幽默的比喻，真的会让人情不自禁的开怀朗读起来。

。。。

再看从6月到现在，电子书阅读时间超过120小时，平均每天原来有1个多小时的空余时间，简直超乎想像。

灵魂拷问 - 宕机怎么办

为了解决系统中大量规则配置的问题，与同事一起构建了一个可视化表达式引擎 RuleLink
《非全自研可视化表达引擎-RuleLinK》
，解决了公司内部几乎所有配置问题。尤为重要的一点，所有配置业务同学即可自助完成。随着业务深入又增加了一些自定义函数，增加了公式及计算功能，增加组件无缝嵌入其他业务...我一度以为现在的功能已经可以满足绝大部分场景了。真到Wsin强同学说了一句：业财项目是
深度依赖
RuleLink的，流水打标，关联科目。。。我知道他看了数据，10分RuleLink执行了5万+次。这也就意味着，如果RuleLink宕机了，业财服务也就宕机了，也就意味着巨大的事故。这却是是一个问题，公司业务确实属于非常低频，架不住财务数据这么多。如果才能让RuleLink更稳定成了当前的首要问题。

高可用VS少依赖

要提升服务的可用性，增加服务的实例是最快的方式。 但是考虑到我们自己的业务属性，以及业财只是在每天固定的几个时间点短时高频调用。 增加节点似乎不是最经济的方式。看 Bob大叔的《Clear Architecture》书中，对架构的稳定性有这样一个公式：不稳定性，I=Fan-out/(Fan-in+Fan-out)

Fan-in：入向依赖，这个指标指代了组件外部类依赖于组件内部类的数量。

Fan-out：出向依赖，这个指标指代了组件内部类依赖于组件外部类的数量。

这个想法，对于各个微服务的稳定性同时适用，少一个外部依赖，稳定性就增加一些。站在业财系统来说，如果我能减少调用次数，其稳定性就在提升，批量接口可以一定程度上减少依赖，但并未解决根本问题。那么调用次数减少到极限会是什么样的呢？答案是：
一次。
如果规则不变的话，我只需要启动时加载远程规则，并在本地容器执行规则的解析。如果有变动，我们只需要监听变化即可。这样极大减少了业财对RuleLink的依赖，也不用增RuleLink的节点。实际上大部分配置中心都是这样的设计的，比如apollo，nacos。 当然，本文的实现方式也有非常多借鉴（copy）了apollo的思想与实现。

服务端设计

模型比较比较简单，应用订阅场景，场景及其规则变化时，或者订阅关系变化时，生成应用与场景变更记录。类似于生成者-消费都模型，使用DB做存储。

”推送”原理

整体逻辑参考apollo实现方式。 服务端启动后 创建Bean ReleaseMessageScanner 注入变更监听器 NotificationController。
ReleaseMessageScanner 一个线程定时扫码变更，如果有变化 通知到所有监听器。

NotificationController在得知有配置发布后是如何通知到客户端的呢？
实现方式如下：
1，客户端会发起一个Http请求到RuleLink的接口，NotificationController
2，NotificationController不会立即返回结果，而是通过Spring DeferredResult把请求挂起
3，如果在60秒内没有该客户端关心的配置发布，那么会返回Http状态码304给客户端
4，如果有该客户端关心的配置发布，NotificationController会调用DeferredResult的setResult方法，传入有变化的场景列表，同时该请求会立即返回。客户端从返回的结果中获取到有变化的场景后，会直接更新缓存中场景，并更新刷新时间

ReleaseMessageScanner 比较简单，如下。NotificationController 代码也简单，就是收到更新消息，setResult返回（如果有请求正在等待的话）

public class ReleaseMessageScanner implementsInitializingBean {private static final Logger logger = LoggerFactory.getLogger(ReleaseMessageScanner.class);private finalAppSceneChangeLogRepository changeLogRepository;private intdatabaseScanInterval;private final List<ReleaseMessageListener>listeners;private finalScheduledExecutorService executorService;public ReleaseMessageScanner(finalAppSceneChangeLogRepository changeLogRepository) {this.changeLogRepository =changeLogRepository;

    databaseScanInterval= 5000;

    listeners=Lists.newCopyOnWriteArrayList();

    executorService= Executors.newScheduledThreadPool(1, RuleThreadFactory

        .create("ReleaseMessageScanner", true));

  }



  @Overridepublic void afterPropertiesSet() throwsException {

    executorService.scheduleWithFixedDelay(()->{try{

        scanMessages();

      }catch(Throwable ex) {

        logger.error("Scan and send message failed", ex);

      }finally{



      }

    }, databaseScanInterval, databaseScanInterval, TimeUnit.MILLISECONDS);



  }/*** add message listeners for release message

   *@paramlistener*/
  public voidaddMessageListener(ReleaseMessageListener listener) {if (!listeners.contains(listener)) {

      listeners.add(listener);

    }

  }/*** Scan messages, continue scanning until there is no more messages*/
  private voidscanMessages() {boolean hasMoreMessages = true;while (hasMoreMessages && !Thread.currentThread().isInterrupted()) {

      hasMoreMessages=scanAndSendMessages();

    }

  }/*** scan messages and send

   *

   *@returnwhether there are more messages*/
  private booleanscanAndSendMessages() {//current batch is 500
    List<AppSceneChangeLogEntity> releaseMessages =changeLogRepository.findUnSyncAppList();if(CollectionUtils.isEmpty(releaseMessages)) {return false;

    }

    fireMessageScanned(releaseMessages);return false;

  }/*** Notify listeners with messages loaded

   *@parammessages*/
  private void fireMessageScanned(Iterable<AppSceneChangeLogEntity>messages) {for(AppSceneChangeLogEntity message : messages) {for(ReleaseMessageListener listener : listeners) {try{

          listener.handleMessage(message.getAppId(),"");

        }catch(Throwable ex) {

          logger.error("Failed to invoke message listener {}", listener.getClass(), ex);

        }

      }

    }

  }

}

客户端设计

上图简要描述了客户端的实现原理：

• 客户端和服务端保持了一个长连接，从而能第一时间获得配置更新的推送。（通过Http Long Polling实现）
• 客户端还会定时从RuleLink配置中心服务端拉取应用的最新配置。
  
  • 这是一个fallback机制，为了防止推送机制失效导致配置不更新
  • 客户端定时拉取会上报本地版本，所以一般情况下，对于定时拉取的操作，服务端都会返回304 - Not Modified
  • 定时频率默认为每5分钟拉取一次，客户端也可以通过在运行时指定配置项: rule.refreshInterval来覆盖，单位为分钟。
• 客户端从RuleLink配置中心服务端获取到应用的最新配置后，会写入内存保存到SceneHolder中，
• 可以通过RuleLinkMonitor 查看client 配置刷新时间，以及内存中的规则是否远端相同

客户端工程

客户端以starter的形式，通过注解EnableRuleLinkClient 开始初始化。

1 /**
2 *@authorJJ3  */
4 @Retention(RetentionPolicy.RUNTIME)5 @Target(ElementType.TYPE)6 @Documented7 @Import({EnableRuleLinkClientImportSelector.class})8 public @interfaceEnableRuleLinkClient {9 
10   /**
11 * The order of the client config, default is {@linkOrdered#LOWEST_PRECEDENCE}, which is Integer.MAX_VALUE.12 *@return
13    */
14   int order() defaultOrdered.LOWEST_PRECEDENCE;15 }

在最需求的地方应用起来

花了大概3个周的业余时间，搭建了client工程，经过一番斗争后，决定直接用到了最迫切的项目 - 业财。当然，也做了完全准备，可以随时切换到RPC版本。 得益于DeferredResult的应用，变更总会在60s内同步，也有兜底方案：每300s主动查询变更，即便是启动后RuleLink宕机了，也不影响其运行。这样的准备之下，上线后几乎没有任何波澜。当然，也就没有人会担心宕机了。这真可以算得上一次愉快的编程之旅。

成为一名优秀的程序员！

在摄影中，光线起着至关重要的作用，它对图像的整体质量和氛围有着显著的影响。您可以使用光线来增强主题，创造深度和维度，传达情感，以及突出重要细节。

在这篇文章中，我会告诉你如何在stable diffussion中控制生成图片的光线。

软件

我们将使用 AUTOMATIC1111 Stable Diffusion GUI 来创建图像。

使用光线关键词

最简单的控制光线的方法就是在提示中添加
光线关键词
。

我将使用以下基础提示和负面提示来说明效果。

正向提示词：

masterpiece,best quality,masterpiece,best quality,official art,extremely detailed CG unity 8k wallpaper,a beautiful woman,

负向提示词：

lowers,monochrome,grayscales,skin spots,acnes,skin blemishes,age spot,6 more fingers on one hand,deformity,bad legs,error legs,bad feet,malformed limbs,extra limbs,

模型：majicmixRealistic_v7

宽度：512

高度：768

CFG 刻度：7

下面是使用基础提示词生成的图片，他们看起来还不错，但是光线就不怎么样了。

Volumetric lighting
是在图像上明显的光束。它在摄影中用于增加体积感。

在提示中添加关键词
Volumetric lighting
：

rim lighting
为主题添加了明亮的轮廓。它可能会使主题变暗。您可以与其他光线术语结合使用以照亮主题。

在提示中添加关键词
rim lighting
：

Sunlight
为图像添加了阳光。它倾向于呈现自然背景。

在提示中添加关键词
Sunlight
。

Backlight
将光源置于主题之后。通过添加这个关键词，您可以产生一些时尚的效果。

在提示中添加
Backlight
。

众所周知，Stable Diffusion 在没有引导的情况下不会产生黑暗的图像。

解决这个问题的方法有很多，包括使用模型和 LoRA。但更简单的方法是添加一些昏暗的光线关键词。

在提示中添加
dimly lit
。

Crepuscular rays
在云层中添加了光线穿透的光线。它可以创造出令人惊叹的视觉效果。

这个提示和肖像宽高比通常呈现全身图像，添加
Crepuscular rays
会放大。

技巧：

• 如果您没有看到效果，请增加关键词的权重。

• 这些光线关键词并不总是有效。一次生成几张图像进行测试。

• 在提示生成器中找到更多的光线关键词。

控制特定区域的光线

提示中的光线关键词适用于整个图像。这里我会告诉你如何控制特定区域的光线。

这里你需要安装一个插件叫做regional Prompter。

下载地址如下：
https://github.com/hako-mikan/sd-webui-regional-prompter.git

安装好之后，可以在工作区的下方发现这个Regional Prompter的区域。

在这个例子中，我们将对图像的上部和下部应用不同的光线。

在
txt2img
页面上，展开
regional Prompter
部分。

按我上面的选择进行设置。

基本上含义就是把图片按2：3的比例分割成两部分，来分别进行promot设置。

regional Prompter是一个非常强大的工具，可以产出非常惊艳的效果。我会在后续的文章中详细介绍regional Prompter。

这里只是作为一个使用场景。

我们改下输入提示：

正向提示词：

masterpiece,best quality,masterpiece,best quality,official art,extremely detailed CG unity 8k wallpaper,a beautiful woman,
BREAK
( hard light:1.2),(volumetric:1.2),well-lit,
BREAK
(dimly lit:1.4),

负面提示词保持不变。

这样我们的到了一个上面光亮，下面昏暗的图片。

现在尝试交换光线分配。

masterpiece,best quality,masterpiece,best quality,official art,extremely detailed CG unity 8k wallpaper,a beautiful woman,
BREAK
(dimly lit:1.4),
BREAK
( hard light:1.2),(volumetric:1.2),well-lit,

光线相应地交换。

技巧：

• 如果您没有看到效果，请调整关键词的权重。

• 区域提示并不总是100%有效。可以多尝试一些图片看看效果。

使用 ControlNet 控制光线

除了上面的提示词和regional Prompter来控制光线之外。我们还可以使用controlNet来对图片的光线进行更加精确的控制。

controlNet是一个单独的插件，所以你需要先安装它。

Txt2img 设置

安装好controlNet之后，在
txt2img
页面上，像平常一样生成图像。

点击发送到
img2img
。

这个操作会把所有的提示，负面提示，图像大小和种子值拷贝到 img2img 页面。

Img2img 设置

在
img2img
页面上，导航到 ControlNet 部分。

将您刚刚保存的图像上传到
ControlNet 单元 0
。

大家可以使用我的配置选项。

这里我们需要选择Depth模型，在preprocessor中选择depth_zoe,model选择control_xxxx_depth。

向上滚动到
img2img 画布
。删除图像。

然后使用画图工具绘制一个黑白的模板图。

白色代表光线。

如下所示：

把这个图像上传到
img2img 画布
。

将
调整大小模式
设置为仅调整大小。

将
去噪强度
设置为 0.9。

点击
生成
。

您应该得到带有横向光源的图像。

如果你不想创建自己的光源，那么可以baidu一下黑白光源图片：

比如第一张光源图片，我们可以得到下面的图片：

备注

不一定必须使用深度控制模型。其他模型，如 canny 和lineart模型，也可以工作。你可以尝试使用预处理器，看看哪一个适合你。

如果您看到不自然的颜色，请减少
Controlnet 权重
。

调整去噪强度并观察效果。
点我查看更多精彩内容:www.flydean.com

我不在的大半年，大数据服务基本没问题，只过来维护过一两次

2024年大半年，大数据服务都比较稳定，我也只过来维护过一两次。8月份我又过来了，交接完离职同事的工作，本来没什么事情。

StatHub页面服务状态不刷新

StatHub是一个集群管理/应用编排/进程守护工具，可以用来高效的管理服务集群。具有节点进程管理和应用管理功能。
在这工作的另一家公司的大数据研发说，StatHub页面服务状态不刷新。我说你的服务是正常的吗？他说是正常的。我说不用管它，等哪天有空我再看看。
StatHub包括master和agent两个部分：
stat-server，即master，提供服务编排界面。
stat-agent，运行在工作节点，守护工作进程。
StatHub源代码地址：
https://github.com/rm-vrf/stat

完蛋了，删了不该删的文件夹

闲下来之后，我就尝试解决StatHub的问题。其实以前是有解决方案的，就是查找各服务器节点上的.stat_agent文件夹中的app和proc文件夹中的大小为0的文件并删除，就可以了。
但是我一时半会没想起来这个解决方案，于是想着通过重启解决，我重启了不正常节点的stat-agent，又多次重启了stat-server，都不行。
我想，是不是什么缓存造成的，.stat_server这个文件夹最开始部署StatHub的时候肯定是不存在的，它应该是自动生成的，我先停了stat-server，再把它删了，然后重启试试。于是，我就这样删除了.stat-server，重启StatHub成功，.stat-server文件夹又自动重启生成了。但是很快我就发现了一个严重问题，StatHub页面上的那100多个服务全没了！页面空了！
跑路吧，要失业了，卧槽！
虽然100多个服务脱离管理了，但服务应该都还是在正常运行的，只要服务不挂，一时半会是没有问题的。
怎么办？恢复数据？那个服务器很重要，上面跑了不少重要的服务，万一搞坏了，就真的完了。

找到方法，慢慢恢复StatHub页面的服务管理

好在，我发现stat-agent所在的20多台服务器上的.stat_agent文件夹中的proc文件夹中的各服务的进程信息都在，那里面有服务的名称和启动命令，可以用来在StatHub页面中重新录入服务信息，主要是启动参数，因为有些java和spark服务的启动参数比较复杂。于是我把20多台服务器上的proc文件夹中的服务名称和启动命令做了备份。然后，先恢复了2、3个服务的管理，但是服务状态刷新不出来，也无法正常停止和启动服务，我只能到服务所在机器上，敲Linux命令查看服务运行状态。

修改StatHub源码，解决服务状态不正常的问题

打开StatHub的源码，发现遍历各节点信息时，加了try catch，但只catch了ResourceAccessException异常，其它异常会导致for循环挂了，所有节点和进程信息都获取失败了。所以我修改了代码，加了一个catch (Exception e)，并打印日志，提交，重新发布启动stat-server，查看stat-server日志，确定了异常节点，把异常节点服务器上的大小为0的文件删除，服务状态就正常了。

又出现新情况，StatHub页面节点列表中162这台机器的节点信息不见了

因为某原因重启162节点上的stat-agent后，StatHub页面节点列表中162这台机器的节点信息不见了。最后发现是服务器出了问题，mount命令，卡一会，一堆挂载，不知为何。df -hl命令也会卡一会才出来信息，这个问题导致stat-agent遍历磁盘信息时，卡住了。

ClickHouse也出问题了，一个服务插入数据时频繁报Too many parts异常

之前解决过一次，思路就是增加每次批量插入的数据量，以减少插入次数。当时服务暂时稳定了，我以为解决了，其实并没有解决。服务消费的kafka的topic共有78个分区，rdd.foreachPartition的并行度是78，太大了，怎么减少并行度呢？当时我并不知道怎么解决。这次，我把代码改成了rdd.coalesce(1).foreachPartition，coalesce的作用是减少分区，这样就可以减少数据插入ClickHouse的并行度，我把并行度设置为1。按理说问题应该解决了，但还是报Too many parts异常，数据插入成功几次失败几次。

重启ClickHouse

没有什么是重启解决不了的，如果不行，就再重启一次。
于是我就决定重启4个节点的ClickHouse服务。
重启第3个节点时，服务器突然失联，我就重启个ClickHouse就把服务器搞挂了？好在有惊无险，过了一会，又连上了。
重启第4个节点时，发现起不来了啊！查看监控页面，发现所有写入ClickHouse的服务，都报红了！我又重启了依赖的zookeeper服务，又多次重启了ClickHouse，都不行。
部分报错信息：DB::Exception: The local set of parts of table 'xxx' doesn't look like the set of parts in ZooKeeper: xxx billion rows of xxx billion total rows in filesystem are suspicious. ... Cannot attach table 'xxx' from metadata file /var/lib/clickhouse/metadata/xxx/xxx.sql from query ATTACH TABLE ...
百度搜到一个类似问题
https://support.huaweicloud.com/intl/en-us/trouble-mrs/mrs_03_0281.html
，步骤太多，没太看明白，不敢操作。

解决问题，重启ClickHouse成功

我注意到报错信息中的metadata file，心生一计，把错误日志中提到的那两个.sql文件改名成xxx.sql.bak备份一下，然后重启ClickHouse，成功了！然后把那两个文件又改名回来。然后观察那些写入ClickHouse的服务，全都正常了，部分服务失败了没有自动重启就手动重启了一下。然后发现Too many parts的问题也解决了。

162服务器也正常了

另一家公司的大数据研发，经过准备工作，重启了这台机器解决了问题。

StatHub页面的服务管理恢复了大半

经过这几天的手动录入，StatHub页面的服务管理恢复了大半。
我把stat-server所在服务器上的.stat_server文件夹中的app和choreo文件夹做了备份。以前没想到这个文件夹如此重要，也没想过会被删，从来没有备份过。
剩下的服务，慢慢录入，或者等服务出问题需要重启的时候再录入也行。

这一个多星期的工作是无中生有吗？

也不全是

1. StatHub页面服务状态不正常，还是需要处理的。但是我犯了错误，把不该删的文件夹删除了。经过这次教训，我做了备份。
2. ClickHouse出问题是迟早的，因为之前写的spark服务，始终没有优化好，数据插入并行度太大。
3. 162服务器早就有问题了，但只要不重启stat-agent就没事。

问题处理的差不多了

还有一个问题，StatHub页面的100多个服务，只恢复了大半。恢复服务管理，是需要重启服务的，很多服务并不是我写的，也不是我部署的，我不熟悉，万一起不来，影响了业务，就会造成不必要的麻烦。但服务脱离管理，万一哪天挂了，又不知道，也会给排查问题造成麻烦。

前言

前面一篇文章已经介绍过，ComfyUI 和 Stable Diffusion 的关系。不清楚的朋友，看传送门
Stable Diffusion 小白的入坑铺垫
。
WebUI 以及 ComfyUI 不等于 Stable Diffusion，可以简单粗暴一点的理解为方便运行某些大模型的工具。由于本人在接触过 ComfyUI 之后，就基本放弃 WebUI 了，本文开始，接下来会有一个系列的入门文章来介绍 ComfyUI。不论是 ComfyUI 还是 WebUI，基础工作原理都是需要理解清楚，才能更好地利用大模型以及一些插件，来生成我们想要的效果。本文主要介绍 ComfyUI 的本地安装部署。

一、官方版本安装

ComfyUI 官方地址如下：
https://github.com/comfyanonymous/ComfyUI

安装步骤，官方文档写的比较清楚，这里就不再赘述。

安装官方版本需要有一定的编程基础，首先懂得 git 的使用，其次要有一定的 Python 基础，基本的环境管理、包安装等。如果你不会魔法冲浪，还需要懂的换源。
另外安装官方版本，有很大概率，在安装过程中会出现一些报错，需要自己挨个处理。

二、秋葉整合包

如果只有官方版本，那估计要劝退一大半的人，难道不懂编程就不能使用 AI 绘画了？广大设计师们表示心有不甘。不急，相信开源的力量，除了官方版本以外，有很多大神自发制作了一键启动的整合包，只需要下载下来整合包，解压，然后就可以一键启动。在众多版本的整合包中，当属 B站
@秋葉aaaki
大佬的绘事启动器最广为人知。

2.1 整合包下载安装

秋叶 ComfyUI 整合包官方发布地址：
https://www.bilibili.com/video/BV1Ew411776J/

网盘下载：
https://pan.quark.cn/s/64b808baa960

如果需要其它网盘的下载地址，可以到视频评论区去找。热心网友已经上传，并分享出来了。

2.2 整合包使用说明

整合包下载下来，解压，然后成功启动后的界面应该像下面这样：

一般来说，首次启动，在使用前，最好先更新一下内核版本，以及更新插件。
在更新之前，点击左边菜单栏中的最下面的设置，找到网络设置：

如果你没有魔法，请确保圈起来的这些开关全部打开。
接下来，点击版本管理，执行更新：

依次刷新内核版本，一键更新，刷新扩展版本，一键更新即可。

最后，回到一键启动页面，点击一键启动，然后启动器界面会自动跳转到控制台页面，等待一会，看到如下信息，就代表启动成功了。

此时，正常情况下，你的浏览器，应该打开了如下页面，并加载了一个默认工作流。

地址栏地址应该和控制台信息中显示的地址一致
http://127.0.0.1:8188/

如果你的浏览器没有自动打开该页面，可以手动打开浏览器，输入上面的地址打开。

有可能你的默认界面显示的不是中文，如需要设置语言，点击左下角的小齿轮，进入设置界面，找到语言，然后选择。

还可能存在一种情况，你安装的不是最新版本的整合包，也没有更新内核就启动了，有可能你看到的是旧的悬浮面板样式，

此时的小齿轮在悬浮面板右上角，点击进入设置进行更改语言即可。建议更新到新版本，使用新的界面，看起来更简洁。

回到主页面，点击页面中右上角
执行队列
，则开始执行该工作流，稍等一会，能看到生成的图片。

这个默认工作流是最简单的工作流，生成图片速度很快，具体花费时间，取决于你的电脑配置，主要是显卡。

OK, 到这里，就表明本地 ComfyUI 环境安装部署成功了。

三、整合包插件安装（自定义节点）

插件，也叫自定义节点。不论是官方版本还是整合包，安装成功后，都已经自带了很多常用的插件，但这远远不够，实际使用过程中要经常安装插件，整合包安装插件的方式有很多，下面逐一介绍。

3.1 通过 ComfyUI 节点管理器安装

ComfyUI 节点管理器，本身也是一个插件，叫
ComfyUI-Manager
，在成功安装 ComfyUI 时也一并安装了。
点击菜单栏上的
Manager
，代开 Manager 界面

安装成功之后，需要重启 ComfyUI 启动器生效。

3.2 通过 Git URL 安装

一般自定义节点都会在某个 git 仓库中，找到对应的地址。
比如 EchoMimic 插件，打开它的仓库地址页面，点击 Code, 即可查看到地址，点击复制即可。

在你 ComfyUI 安装路径下找到 custom_nodes ，比如我的是
D:\AI\StableDiffusion\ComfyUI\custom_nodes

打开命令行窗口，执行命令

git clone https://github.com/sharpcj/EchoMimic.git

3.3 下载插件包安装

还是在 git 仓库地址中，点击下面的
Download ZIP
下载下来，解压到
custom_nodes
目录中即可。

该方法不能直接进行插件更新，不推荐使用。

3.4 启动器插件管理

这个是整合包特有的安装方式，打开启动器，选到版本管理菜单，安装新扩展，然后搜索需要安装的插件，点击安装即可。

四、工作流的加载与保存

ComfyUI 工作流的形式有两种，一种是 json 文件。记录了工作流的节点信息，连接信息等等。另一种是通过 ComfyUI 工作流生成的图片，默认带有生成该图片的工作流信息。

4.1 加载工作流

直接将工作流 json 文件 或者 带有工作流信息的 图片拖进 ComfyUI 操作界面就行了。
注意：只有通过 ComfyUI 工作流生成的，并且没有经过去去除信息处理的图片才可以。

4.2 保存工作流

同理，保存工作流的形式有两种，一种是生成的图片，另一种是通过菜单，点击保存，生成 json 文件。

结束语

本问主要讲了如何在本地安装部署 ComfyUI 秋葉整合包，以及如何安装插件，加载保存工作流的知识。
更多菜单功能，可以在后续掌握了一定 ComfyUI 的知识后，自行探索。
接下来一片文章，会通过最简单的文生图工作流，来介绍 ComfyUI 工作流的核心常用节点，敬请关注。