dzy1128-ComfyUI-Vector-Engine/PERFORMANCE.md

Performance Optimization Guide

已实现的优化

1. 🖼️ 智能图片压缩

优化前：

• 直接将原始图片转换为 PNG/JPEG
• 没有尺寸限制
• PNG 格式文件很大
• 大图片传输缓慢

优化后：

• ✅ 自动调整图片尺寸（最大 2048px）
• ✅ 统一使用 JPEG 格式（更好的压缩率）
• ✅ 质量设置为 85%（视觉质量和文件大小的最佳平衡）
• ✅ 启用优化标志（optimize=True）

预期效果：

• 文件大小减少 70-90%
• 上传时间减少 70-90%
• 对生成质量几乎无影响

2. ⏱️ 精确的时间统计

优化前：

• 时间统计包含所有本地处理时间
• 显示时间远超实际 API 生成时间

优化后：

• ✅ 只统计真实的 API 请求时间
• ✅ 不包含图片编码/解码时间
• ✅ 与网站显示时间一致

3. 📊 详细的进度日志

新增功能：

• ✅ 显示每张图片的编码时间
• ✅ 显示压缩后的文件大小
• ✅ 显示 API 请求的 payload 大小
• ✅ 显示 API 响应时间

日志示例：

[VectorEngine] Processing 2 input images...
[VectorEngine] Image 1: encoded in 0.15s, size: 245.3KB
[VectorEngine] Image 2: encoded in 0.12s, size: 189.7KB
[VectorEngine] Sending request to API (payload size: 0.58MB)...
[VectorEngine] API request completed in 26.34s

性能对比

示例：2张高分辨率图片 (4000x3000)

指标	优化前	优化后	提升
单张图片大小	~3-5 MB	~200-300 KB	90%↓
编码时间	~2-3 秒/张	~0.1-0.2 秒/张	90%↓
上传时间	~10-15 秒	~1-2 秒	85%↓
总体耗时	~45-60 秒	~28-32 秒	40-50%↓

优化参数说明

当前配置

max_size = 2048      # 最大尺寸 2048px
quality = 85         # JPEG 质量 85%
format = "JPEG"      # 统一使用 JPEG
optimize = True      # 启用优化

如何调整

如果需要自定义优化参数，可以修改 vector_engine_node.py 第 152 行：

# 更高质量（更慢）
base64_data, mime_type = self.tensor_to_base64(img, max_size=4096, quality=95)

# 更快速度（质量略低）
base64_data, mime_type = self.tensor_to_base64(img, max_size=1536, quality=75)

# 默认平衡（推荐）
base64_data, mime_type = self.tensor_to_base64(img, max_size=2048, quality=85)

参数推荐

质量优先

max_size = 4096
quality = 95

• 适合：需要最高质量
• 缺点：处理时间较长

平衡模式（默认）

max_size = 2048
quality = 85

• 适合：大多数使用场景
• 优点：质量和速度的最佳平衡

速度优先

max_size = 1536
quality = 75

• 适合：快速测试、预览
• 优点：最快的处理速度

网络优化建议

1. 使用稳定的网络连接

   • API 请求需要良好的网络
   • 考虑使用有线网络

2. 批量处理

   • 一次处理多张图片比分开处理更高效

3. 合理选择分辨率

   • 1K: 最快，适合测试
   • 2K: 平衡，推荐使用
   • 4K: 高质量，较慢

故障排查

如果仍然很慢

1. 检查日志

   • 查看每个步骤的耗时
   • 确定瓶颈在哪里

2. 图片编码慢

   • 降低 max_size 到 1536 或 1024
   • 降低 quality 到 75

3. API 请求慢

   • 检查网络连接
   • 尝试较小的输出分辨率（1K 而非 4K）

4. payload 太大

   • 减少输入图片数量
   • 降低图片质量参数

更多优化空间

可能的未来优化

1. 异步处理

   • 并行编码多张图片

2. 缓存机制

   • 缓存已编码的图片

3. 连接池

   • 复用 HTTP 连接

4. 流式处理

   • 逐步下载生成的图片