系统架构 - Naifan Li's Bloghttps://blog.omagiclee.com/tags/%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84/系统架构 - Naifan Li's BlogHugo -- gohugo.iozh-CNThu, 01 Oct 2026 10:00:00 +0800ComfyUI 设计架构：从节点画布到模型执行引擎https://blog.omagiclee.com/posts/aigc/comfyui/architecture/Thu, 01 Oct 2026 10:00:00 +0800https://blog.omagiclee.com/posts/aigc/comfyui/architecture/在 ComfyUI 的画布上，把模型加载、文本编码、采样和图片保存几个节点连起来，就可以生成一张图片。但这条连线背后还有一套完整的软件系统：浏览器把工作流转换成执行图，Python 服务负责校验和排队，执行器按数据依赖调用节点，模型运行层再完成张量计算与设备内存管理。

理解 ComfyUI，可以沿着“可视化编排 → 图执行 → 模型计算”这三个层次展开。 本文先画出系统全貌，再沿着一次生成请求，解释每个模块的职责。

本文以开源、自托管 ComfyUI 的核心执行链路为范围，资料核对日期为 2026-10-01。下列图是依据官方文档与源码整理的逻辑视图，省略了用户管理、资产管理等辅助模块；不同安装版本的具体实现可能有所差异。

]]>Data Flywheel 的 Kubernetes 架构：从服务部署到 CPU/GPU 数据流水线https://blog.omagiclee.com/posts/ai-data/data-platform/kubernetes/Sun, 06 Sep 2026 00:07:00 +0800https://blog.omagiclee.com/posts/ai-data/data-platform/kubernetes/数据飞轮平台中的负载差异很大：需求列表查询希望在短时间内返回，视频切分可能运行数分钟，批量 Embedding 会占用 GPU，人工标注则可能等待数天。如果把它们都放进 FastAPI 进程，计算任务的内存峰值和故障就会直接影响用户工作台。

Kubernetes（K8s）可以承担服务运行、资源分配和作业生命周期管理；数据平台仍需定义输入快照、算子契约、任务状态与结果发布规则。 本文围绕 Data Flywheel，说明这两层如何衔接。

代码与官方资料核对日期为 2026-09-06。当前项目已有 React/Vite、FastAPI、Keycloak、业务权限与本地 PostgreSQL Compose 配置；本次查看的目录中未发现 K8s 清单或 Helm Chart。以下集群架构、执行适配器和 YAML 均为建设方案，不能视为已经完成的生产部署。

]]>数据平台前后端技术框架选型：React、Vite 与 FastAPI 的适用边界https://blog.omagiclee.com/posts/ai-data/data-platform/technology-stack/Sun, 06 Sep 2026 00:06:00 +0800https://blog.omagiclee.com/posts/ai-data/data-platform/technology-stack/技术选型应该从产品的工作负载和团队能力出发。数据平台既有列表、表单与权限，也有视频处理、模型推理和长时间运行的任务；用“哪个框架最顶级”来统一回答这些问题，容易忽略真正的系统边界。

Data Flywheel 目前选择了 React + TypeScript + Vite 前端，以及 FastAPI 后端。结合代码和“数据飞轮平台：技术选型与设计系统”讨论，我认为这套组合适合作为当前产品基础。本文解释理由与代价，并区分 2026-09-06 阅读到的实现和后续建议，不将未来的跨企业平台能力视为已经完成。

]]>