租的 GPU 实例数据怎么保存：停机保盘、销毁清空与三条外移路线

先把结论放前面：租来的 GPU 实例上，你的模型、数据集和生成结果默认只活在这台实例的磁盘里。停机（Stop）保留磁盘但不保留算力，文件、环境、装了半天的依赖都还在，代价是存储费继续按容量计收；销毁（Destroy）才是全停，算力、存储、流量三项一起停止，同时磁盘被彻底清空，找不回来。

所以「保存数据」真正要做的只有一件事：在销毁之前，把需要长期留着的东西搬到实例外面。搬完再销毁，账单才归零。

停机保留磁盘并继续计收存储费，销毁则清空磁盘且三项计费全部停止

先决定这台实例还要不要继续用

这个判断决定了你该走停机还是销毁：

今天调完明天接着调，环境和依赖不想重装一遍 —— 停机。文件都在，下次开机直接继续，但停机期间存储费照收。
任务跑完了，或者接下来几天不会碰 —— 把成果搬走，然后销毁。这是任务结束后的默认做法。
拿不准 —— 先搬数据，再决定停机还是销毁。搬走是可逆的，销毁不可逆。

还有一个容易忽略的因素：在 NexGPU 上，下单时的单价会锁定到销毁为止。如果你租到的是一台单价合适的机器，销毁后重开要按当时的价格重新下单。长期占用的实例要不要销毁，可以把这点和存储费一起算进去；计费口径的细节在计费与规则说明页。

文件该放在哪个目录

很多人丢数据不是因为忘了备份，而是从一开始就写错了位置。

在容器化或虚拟化的 GPU 实例里，/tmp 以及未做持久化的容器临时层，可能在重启、重建或镜像更新后被清掉。关键输出不要放这两类路径，要写到分配给你的数据盘挂载点或主工作目录下。

开跑之前先做一次对照，把这些路径显式指到数据盘：

训练脚本的 output_dir / logging_dir / checkpoint 保存目录
ComfyUI 的 output 和 models 目录、Stable Diffusion 的输出路径
Hugging Face 缓存（HF_HOME 或 HF_HUB_CACHE），权重动辄几十 GB，放错地方既占临时层又可能重下
数据集解压后的落地目录

具体挂载点和数据盘容量以控制台实际显示为准，不同机型和镜像可能不一样。选镜像时顺手确认工作目录约定，可以省掉后面很多事，参考云 GPU 镜像模板怎么选。

三条把数据搬出实例的路线

从 GPU 实例把数据搬出去的三条路线：本地回传、对象存储同步、模型仓库上传

路线一：直接拉回本地（几百 MB 到几 GB 的成果）

适合出图、短视频、日志、代码、小体量的微调权重。

用标准 SSH 通道走 scp 或 rsync 就够了：

# 单个目录整体拉回
scp -P <端口> -r root@<实例地址>:/workspace/outputs ./outputs

# 大文件或断点续传用 rsync，中断后重跑会接着传
rsync -avP -e "ssh -p <端口>" root@<实例地址>:/workspace/outputs/ ./outputs/

rsync -P 的续传能力在网络不稳时比 scp 好用得多。如果不想碰命令行，也可以在 Web 控制台的 JupyterLab 或文件管理器里先把目录打包成 tar/zip，再右键下载 —— 但浏览器下载大文件容易中断，几 GB 以上还是建议走 rsync。

SSH 连接、端口和密钥这一层如果还没跑通，先看租的 GPU 怎么用 SSH 连接。

路线二：同步到对象存储（大权重、数据集、长期归档）

模型 checkpoint、几十上百 GB 的数据集，往返本地既慢又占带宽。更省事的做法是在实例里配一个对象存储客户端，把数据同步到 S3 兼容的存储上（AWS S3、Cloudflare R2、Wasabi、自建 MinIO 等都可以）。

rclone 是这里最通用的工具：

# 交互式配置一个 remote，选 S3 及对应的 provider
rclone config

# 首次上传：只增不删，最安全
rclone copy /workspace/outputs myremote:my-bucket/exp-01 -P

# 后续增量：sync 会让目标端与源端一致，注意它会删除目标端多出来的文件
rclone sync /workspace/checkpoints myremote:my-bucket/ckpt -P

copy 和 sync 的区别值得记一下：sync 是单向对齐，源端删掉的文件目标端也会被删。首次上传和不确定的时候用 copy，确认目录结构稳定之后再用 sync 做增量。

这条路线的好处是数据和实例的生命周期彻底解耦：机器销毁、换卡、换区域都不影响存档，下次开新实例用一条 rclone copy 就能把权重和数据集拉回来，不必为了保住文件而让一台闲置实例长期停机吃存储费。

路线三：推到模型仓库（微调完的权重）

如果产出是一份要复用或要发布的模型权重，直接推到模型社区托管比自己管文件省事：

# Hugging Face，私有仓库加 --private
huggingface-cli login
huggingface-cli upload <用户名>/<仓库名> ./output_model --repo-type model

ModelScope 也提供对应的 SDK 上传方式。私有仓库同样可用，适合团队内部共享权重，不占用你的实例存储。

长任务不要等跑完才想起保存

训练跑几十个小时的时候，风险不在销毁，在中途挂掉。合理的做法是让 checkpoint 定期落盘之外，再定期同步到实例外：

# 每 30 分钟把最新 checkpoint 增量推到对象存储
while true; do rclone copy /workspace/checkpoints myremote:my-bucket/ckpt -P; sleep 1800; done

配合 tmux 或 nohup 跑在后台即可。中断恢复和 checkpoint 的参数怎么设，云端 GPU 长任务中断恢复与 Checkpoint 设置里有更完整的写法。

搬数据本身也会产生费用

NexGPU 的账单只有算力、存储、流量三项，数据传输走的是流量那一项，所以搬运方式会直接反映在账单上：

停机期间：算力停止计费，存储费按保留的磁盘容量继续计收。长期不用却一直停机，成本会慢慢累积到不划算。
销毁之后：三项全部停止，磁盘数据同时清空。
传输大文件：会计入流量。所以搬之前值得先在实例里做一轮清理 —— 删掉数据集解压前的原始压缩包、中间产物、无用的早期 checkpoint，再打包传输，而不是把整个盘原样搬走。

另外，不同机型提供的是本地实例盘还是可独立挂载的持久化数据卷，控制台上是否能单独创建和解绑存储卷，以你下单时控制台显示的为准。选卡和选镜像的时候顺便看一眼存储配置，可以在镜像模板页按任务挑好模板再开机。