Asian Beauty Z-Image Turbo 在Ubuntu服务器上的生产环境部署

Asian Beauty Z-Image Turbo 在Ubuntu服务器上的生产环境部署

最近有不少朋友在问，怎么把那个生成亚洲风格人像效果很不错的Asian Beauty Z-Image Turbo模型，稳稳当当地部署到自己的Ubuntu服务器上，让它能24小时不间断地提供服务。我刚好在星图GPU平台上折腾过一阵子，今天就把从零开始到稳定运行的完整过程，用大白话跟大家捋一遍。

整个过程其实不复杂，核心就是利用星图平台提供的预置镜像，省去了自己配环境、装依赖的麻烦事。咱们的目标很明确：在Ubuntu 20.04或22.04 LTS系统上，搭一个能扛住生产环境压力的稳定服务。下面我就分步骤，带你走一遍。

1. 准备工作：服务器与平台选择

在开始敲命令之前，得先把“地基”打好。这里主要涉及两件事：选对服务器，选对平台镜像。

1.1 服务器基础要求

首先，你得有一台Ubuntu服务器。我个人推荐用Ubuntu 20.04 LTS或22.04 LTS，这两个版本长期支持，社区资源丰富，遇到问题好解决。服务器配置上，有几点需要注意：

• GPU：这是核心。模型推理吃GPU算力，建议至少准备一张显存8GB以上的NVIDIA显卡，比如RTX 3070、3080，或者A10、A100这些。显存越大，能同时处理的图片尺寸可能就越大，或者支持的并发请求越多。
• CPU与内存：CPU倒不用顶级，但内存建议16GB起步。系统本身、Python环境、模型加载都会占用内存，充裕一点没坏处。
• 存储：除了系统盘，最好有块够用的数据盘。模型文件本身不小，再加上运行时可能产生的缓存、日志，预留个50-100GB空间比较稳妥。
• 网络：确保服务器有公网IP，或者在你计划访问的网络内可达。带宽根据你的预期用户量来定，图片上传下载还是挺吃流量的。

拿到服务器后，第一件事是通过SSH连上去，更新一下系统包，这是个好习惯。

# 更新软件包列表并升级现有包 sudo apt update && sudo apt upgrade -y # 安装一些常用的工具，方便后续操作 sudo apt install -y wget curl git vim htop

1.2 星图平台与镜像选择

为什么强调用星图GPU平台？因为它把最麻烦的一步——环境配置——给打包解决了。平台提供了预装了CUDA、PyTorch等深度学习框架的镜像，我们直接选用包含Asian Beauty Z-Image Turbo模型的特定镜像就行。

你不需要自己去官网下载CUDA安装包，也不用纠结PyTorch版本和CUDA的兼容性问题。在星图镜像广场里，搜索“Asian Beauty”或“Z-Image Turbo”，通常能找到已经配置好的镜像。选择时，注意看镜像描述，确认其包含的Python版本、CUDA版本是否符合你的预期（一般CUDA 11.7或11.8，Python 3.9或3.10都比较常见）。

这一步相当于我们选好了一个“样板间”，里面硬装（系统环境）和软装（模型）都齐了，省心。

2. 核心环境配置：GPU驱动与CUDA

虽然平台镜像里带了CUDA，但宿主机（你的Ubuntu服务器）的NVIDIA显卡驱动还是需要自己确保安装好的。这是GPU能工作的前提。

2.1 安装NVIDIA显卡驱动

首先，检查一下当前有没有装驱动，以及显卡信息。

# 查看显卡型号 lspci | grep -i nvidia # 检查当前安装的驱动版本（如果已安装） nvidia-smi

如果nvidia-smi命令报错或没输出，说明驱动没装。Ubuntu提供了一个相对省事的方法，通过系统仓库安装。

# 添加显卡驱动PPA仓库（对于Ubuntu 20.04/22.04） sudo add-apt-repository ppa:graphics-drivers/ppa -y sudo apt update # 查找推荐驱动版本 ubuntu-drivers devices # 安装推荐版本的驱动（例如，输出推荐的是nvidia-driver-535） sudo apt install -y nvidia-driver-535

安装完成后，一定要重启服务器。

sudo reboot

重启后再次SSH连接，运行nvidia-smi。如果能看到显卡信息、驱动版本和CUDA版本，那驱动就装好了。这里显示的CUDA版本是驱动支持的最高版本，我们实际用的是镜像里自带的CUDA。

2.2 验证Docker环境（可选但推荐）

星图平台的镜像通常以Docker容器形式运行。我们需要确保服务器上安装了Docker和NVIDIA Container Toolkit（让Docker容器能使用GPU）。

# 安装Docker sudo apt install -y docker.io # 启动Docker服务并设置开机自启 sudo systemctl start docker sudo systemctl enable docker # 添加当前用户到docker组，避免每次都要sudo sudo usermod -aG docker $USER # 注意：需要退出当前SSH会话重新登录，这个改动才生效 # 安装NVIDIA Container Toolkit distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt update sudo apt install -y nvidia-container-toolkit # 重启Docker服务 sudo systemctl restart docker

验证Docker和GPU访问是否正常：

# 运行一个测试容器，查看GPU信息 docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi

这个命令会下载一个小镜像并运行，如果成功输出和直接在宿主机上运行nvidia-smi类似的显卡信息，说明Docker环境配置成功，容器可以访问GPU了。

3. 部署与启动模型服务

环境准备好，就可以把我们的“样板间”镜像跑起来了。这里假设你已经从星图镜像广场获取到了镜像名称，比如registry.cn-hangzhou.aliyuncs.com/star_mirror/asian-beauty-z-image-turbo:latest。

3.1 拉取并运行镜像

使用docker run命令启动容器。下面这个命令是一个比较完整的示例，包含了资源限制、端口映射、目录挂载等常见生产配置。

# 创建一个目录用于存放模型可能产生的持久化数据（如配置文件、缓存） mkdir -p /data/asian_beauty_app # 运行容器 docker run -d \ --name asian-beauty-service \ --gpus all \ --restart unless-stopped \ -p 7860:7860 \ -v /data/asian_beauty_app:/app/data \ -e MAX_WORKERS=2 \ -e LOG_LEVEL=INFO \ registry.cn-hangzhou.aliyuncs.com/star_mirror/asian-beauty-z-image-turbo:latest

我来解释一下这些参数：

• -d：后台运行。
• --name：给容器起个名字，方便管理。
• --gpus all：将宿主机的所有GPU分配给容器。
• --restart unless-stopped：设置重启策略，除非手动停止，否则容器退出后会自动重启，提高服务可靠性。
• -p 7860:7860：端口映射。将容器内的7860端口（这是类似Gradio这类Web UI常用的端口）映射到宿主机的7860端口。你可以根据情况修改宿主机端口，比如-p 8080:7860。
• -v /data/asian_beauty_app:/app/data：数据卷挂载。把宿主机的目录挂载到容器内，这样容器内/app/data下的数据（比如用户上传的临时图片、生成的图片、日志等）会持久化保存在宿主机上，即使容器删除也不会丢失。
• -e：设置环境变量。这里示例设置了最大工作进程数和日志级别，具体变量需要看镜像的说明。

运行后，用docker ps看看容器是否在运行。

docker ps | grep asian-beauty-service

3.2 验证服务可用性

容器跑起来后，服务不一定立刻就好，模型加载可能需要一点时间。我们可以通过查看容器日志来观察启动过程。

# 查看容器最近日志 docker logs -f --tail 50 asian-beauty-service

当你看到日志里出现类似“Running on local URL: http://0.0.0.0:7860”或者“Application startup complete.”这样的信息，通常意味着服务已经启动就绪。

然后，打开你的浏览器，访问http://你的服务器IP:7860。如果能看到Asian Beauty Z-Image Turbo的Web操作界面，恭喜你，最核心的部署已经成功了！你可以试着上传一张图片或者输入提示词，看看生成效果。

4. 生产环境加固

能让服务跑起来只是第一步，要让它7x24小时稳定运行，还得做些加固工作。

4.1 配置系统服务守护

虽然Docker有--restart策略，但为了更精细的管理和集成到系统服务体系，我们可以为这个Docker容器创建一个systemd服务单元文件。这样可以用systemctl命令来启动、停止、重启服务，并查看状态。

创建服务文件：

sudo vim /etc/systemd/system/asian-beauty-docker.service

将以下内容写入文件，注意根据你的实际路径和镜像名修改：

[Unit] Description=Asian Beauty Z-Image Turbo Docker Service Requires=docker.service After=docker.service [Service] Type=simple Restart=always RestartSec=10 User=root ExecStartPre=-/usr/bin/docker stop asian-beauty-service ExecStartPre=-/usr/bin/docker rm asian-beauty-service ExecStart=/usr/bin/docker run \ --name asian-beauty-service \ --gpus all \ --restart unless-stopped \ -p 7860:7860 \ -v /data/asian_beauty_app:/app/data \ -e MAX_WORKERS=2 \ registry.cn-hangzhou.aliyuncs.com/star_mirror/asian-beauty-z-image-turbo:latest ExecStop=/usr/bin/docker stop asian-beauty-service [Install] WantedBy=multi-user.target

保存退出后，重新加载systemd配置，并启用这个服务。

sudo systemctl daemon-reload sudo systemctl enable asian-beauty-docker.service sudo systemctl start asian-beauty-docker.service

现在，你可以用sudo systemctl status asian-beauty-docker.service来查看服务状态，用start、stop、restart来管理它，并且服务器重启后，这个服务也会自动启动。

4.2 日志与监控配置

日志是排查问题的生命线。除了用docker logs查看，我们更应该把日志收集起来。

方法一：Docker日志驱动可以配置Docker使用json-file或journald日志驱动，并设置日志文件大小和数量限制，防止日志撑爆磁盘。这通常在Docker的全局配置/etc/docker/daemon.json中设置。

方法二：挂载日志目录更直接的方法，是在运行容器时，将宿主机的某个目录挂载为容器内应用日志的输出目录。

# 在宿主机创建日志目录 mkdir -p /var/log/asian_beauty # 修改之前的docker run命令或systemd服务文件，增加一个挂载卷 -v /var/log/asian_beauty:/app/logs

这样，容器内应用写到/app/logs下的日志文件，就直接保存在宿主机的/var/log/asian_beauty目录里了。你可以用tail、cat命令查看，也可以用Logrotate工具来管理日志轮转。

基础监控：

• 资源监控：用htop、nvidia-smi、docker stats命令定期看看CPU、内存、GPU显存和利用率的状况。
• 服务健康检查：可以写一个简单的脚本，定期用curl访问服务的健康检查接口（如果镜像提供了的话）或者Web界面首页，检查服务是否响应。

4.3 网络与安全考虑

• 防火墙：如果服务器开启了防火墙（如UFW），记得放行你映射的端口（例如7860）。

  sudo ufw allow 7860/tcp sudo ufw reload

• 反向代理：不建议直接把7860端口暴露给公网。更安全的做法是使用Nginx或Apache作为反向代理，绑定域名，并配置SSL证书（HTTPS）。这不仅能提升安全性，还能方便地做负载均衡、缓存等。
• 访问控制：如果服务仅供内部或特定人员使用，可以在反向代理层或应用层（如果镜像支持）配置基本的HTTP认证或IP白名单。

5. 总结

走完这一套流程，一个用于生产环境的Asian Beauty Z-Image Turbo服务就算部署完成了。回顾一下，关键点其实就几个：利用星图平台的预置镜像跳过环境坑；确保宿主机GPU驱动装好；用Docker容器化部署方便管理；最后通过systemd和日志配置让服务变得更稳健。

实际跑起来后，你可能会根据业务流量调整MAX_WORKERS这类参数，或者遇到一些模型特有的问题。这时候多看看日志，到相关社区找找讨论，大部分问题都能解决。这种部署方式的好处是清晰、隔离性好，以后想升级模型版本或者迁移服务器，整个容器打包带走就行，非常方便。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。