ComfyUI 모델 라이브러리 백업: 워크플로를 보존하고 디스크 공간 확보하기

유용한 ComfyUI 백업은 실행 중인 설치가 실제로 불러오는 경로에서 시작합니다. 기본 폴더와 모든 추가 모델 경로를 목록화하고, 알려진 워크플로에 필요한 체크포인트와 보조 모델을 하나의 모델군으로 묶어 아카이브한 다음 별도의 테스트 위치에 복원하세요. 워크플로가 성공적으로 실행되어야만 중복 사본을 제거할 수 있습니다.

ComfyUI의 활성 모델 경로부터 시작하세요

기본 ComfyUI 모델 폴더는 체크포인트, 확산 모델, LoRAs, VAEs, 텍스트 인코더, ControlNets 등 유형별로 구성됩니다. extra_model_paths.yaml 또는 Desktop의 extra_models_config.yaml는 이러한 유형을 다른 라이브러리로 연결할 수 있습니다. 사용자 지정 노드는 추가 위치를 등록할 수도 있습니다.

즉, ComfyUI/models만 복사하면 그럴듯하지만 불완전한 백업이 될 수 있습니다. 활성 모델 폴더를 열고 추가 경로 구성을 확인한 다음, 중요한 워크플로에서 사용하는 사용자 지정 노드 저장소를 기록하세요.

ComfyUI/models/              # 기본 유형 폴더
/Volumes/AI-Library/models/  # 사용 가능한 추가 경로 하나
custom_nodes/...             # 노드 패키지가 이곳의 자산을 소유한 경우에만

먼저 디스크 전체가 아니라 워크플로 모델군을 백업하세요

중요한 워크플로 하나를 선택하세요. 로더 노드를 읽고 참조하는 정확한 체크포인트 또는 확산 모델, VAE, 텍스트 인코더, LoRAs, ControlNets 및 기타 모델 자산을 식별하세요. 워크플로 JSON 또는 워크플로 메타데이터가 포함된 이미지를 저장하되, 그 그래프를 가중치 자체로 착각하지 마세요.

모델군 경계를 정하면 첫 복구 테스트를 이해하기 쉽습니다. 복원된 워크플로가 실패할 경우 누락된 의존성을 확인할 수 있습니다. 무차별적인 수 테라바이트 사본은 누락 진단을 더 어렵게 하고 무엇이 복구 가능한지 알게 되는 시점을 늦춥니다.

이름만으로 동일성을 단정하지 말고 중복 찾기

같은 체크포인트가 기본 폴더와 추가 폴더에 서로 다른 이름으로 존재할 수 있습니다. 파일명이 같아도 바이트가 다를 수 있습니다. 중복으로 판단하기 전에 후보 파일을 해시하고 각 사본을 참조하는 활성 경로와 워크플로를 기록하세요.

공유 추가 경로는 여러 ComfyUI 설치 사이의 중복 작업 사본을 없앨 수 있지만 공통 장애 지점도 만듭니다. 해당 라이브러리에서 삭제하면 그곳을 가리키는 모든 설치에 영향을 줍니다. 공유 경로는 정리 방식이지 백업이 아닙니다.

아카이브 생성 및 검증

1. 선택한 모델군에서 진행 중인 다운로드, 학습 및 쓰기 작업을 중지하세요.
2. 원본 경로, 크기 및 체크섬을 기록하세요.
3. 텐서 정밀도나 형식을 바꾸지 않고 완전한 관련 모델군을 아카이브하세요.
4. 작업 파일을 건드리기 전에 아카이브 검증을 실행하세요.
5. 실제 테스트에 충분한 공간이 있는 새 디렉터리로 복원하세요.
6. 복원된 바이트를 원본과 비교하세요.

Tensor Archive는 이러한 로컬 정밀 보존 단계를 위해 설계되었습니다. 관련 로컬 텐서를 선택해 아카이브하고 검증한 다음 증명을 위해 바이트를 복원합니다. ComfyUI의 YAML을 수정하거나 원본 파일을 자동으로 삭제하지 않으며, 시각적으로 비슷한 두 출력이 서로 바꿔 쓸 수 있는 모델에서 나왔다고 판단하지도 않습니다.

ComfyUI에서 복원된 모델군 불러오기

테스트 디렉터리를 추가 모델 경로로 등록하거나 복원된 파일을 격리된 ComfyUI 테스트 설치에 넣으세요. 경로 상태 변경을 명확히 하도록 ComfyUI를 다시 시작합니다. 저장된 워크플로를 열고 대기열에 넣기 전에 모든 모델 로더를 확인하세요.

워크플로에 적합한 작고 결정론적이거나 그 밖에 알아볼 수 있는 테스트를 실행하세요. 목표는 모든 하드웨어 및 소프트웨어 환경에서 생성 출력이 비트 단위로 동일함을 입증하는 것이 아닙니다. 모델 파일이 바이트 단위로 복원되었고 의도한 워크플로에서 불러올 수 있음을 입증하는 것입니다.

가장 안전한 순서로 공간 확보하기

1. 참조 경로를 변경한 바이트 단위로 동일한 중복 작업 사본을 제거하세요.
2. 출처를 기록한 후에만 오래된 실험용 LoRAs 및 체크포인트를 검토하세요.
3. 파생된 양자화 또는 병합 사본에서 원본을 재구성할 수 없다면 원본 아티팩트를 보관하세요.
4. 복원된 모델군이 재시작과 실제 워크플로 로드를 통과할 때까지 활성 경로를 그대로 두세요.

어댑터가 많은 설치에는 LoRA 라이브러리의 디스크 공간 확보 전용 가이드를 따르세요. 더 넓은 범위를 분류하려면 모델 라이브러리 보존 체크리스트를 사용하세요.

이 백업만으로 보존되지 않는 것

모델 가중치는 재현 가능한 ComfyUI 환경의 일부일 뿐입니다. 해당되는 경우 ComfyUI 및 사용자 지정 노드 버전, 워크플로 파일, Python 또는 패키지 상태, 프롬프트, 시드, 라이선스를 각 자산에 맞는 도구로 보관하세요. Tensor Archive는 텐서 보존에 집중하며, 소스 제어와 환경 매니페스트에도 여전히 역할이 있습니다.