[Doc] Add multinode deployment documents (#3417)

* Create multi-node_deployment.md

* Create multi-node_deployment.md

* Update mkdocs.yml

docs/zh/features/multi-node_deployment.md

@@ -0,0 +1,73 @@
+# 多节点部署
+
+## 概述
+多节点部署旨在解决单个机器GPU显存不足时，支持跨多台机器的张量并行执行。
+
+## 环境准备
+#### 网络要求
+1. 所有节点必须在同一本地网络中
+2. 确保所有节点之间双向连通（可使用`ping`和`nc -zv`测试）
+
+
+#### 软件要求
+1. 所有节点安装相同版本的FastDeploy
+2. [建议安装]安装并配置MPI（OpenMPI或MPICH）
+
+## 张量并行部署
+
+### 推荐启动方式
+我们推荐使用mpirun进行一键启动，无需手动启动每个节点。
+
+### 使用说明
+1. 在所有机器上执行相同的命令
+2. `ips`参数中的IP顺序决定了节点启动顺序
+3. 第一个IP将被指定为主节点
+4. 确保所有节点能够解析彼此的主机名
+
+* 在线推理启动示例：
+    ```shell
+    python -m fastdeploy.entrypoints.openai.api_server \
+    --model baidu/ERNIE-4.5-300B-A47B-Paddle \
+    --port 8180 \
+    --metrics-port 8181 \
+    --engine-worker-queue-port 8182 \
+    --max-model-len 32768 \
+    --max-num-seqs 32 \
+    --tensor-parallel-size 16 \
+    --ips 192.168.1.101,192.168.1.102
+    ```
+
+* 离线启动示例：
+    ```python
+    from fastdeploy.engine.sampling_params import SamplingParams
+    from fastdeploy.entrypoints.llm import LLM
+
+    model_name_or_path = "baidu/ERNIE-4.5-300B-A47B-Paddle"
+
+    sampling_params = SamplingParams(temperature=0.1, max_tokens=30)
+    llm = LLM(model=model_name_or_path, tensor_parallel_size=16, ips="192.168.1.101,192.168.1.102")
+    if llm._check_master():
+        output = llm.generate(prompts="你是谁?", use_tqdm=True, sampling_params=sampling_params)
+        print(output)
+    ```
+
+* 注意：
+- 只有主节点可以接收完成请求
+- 请始终将请求发送到主节点（ips列表中的第一个IP）
+- 主节点将在所有节点间分配工作负载
+
+### 参数说明
+
+#### `ips`参数
+- **类型**: `字符串`
+- **格式**: 逗号分隔的IPv4地址
+- **描述**: 指定部署组中所有节点的IP地址
+- **必填**: 仅多节点部署时需要
+- **示例**: `"192.168.1.101,192.168.1.102,192.168.1.103"`
+
+#### `tensor_parallel_size`参数
+- **类型**: `整数`
+- **描述**: 所有节点上的GPU总数
+- **必填**: 是
+- **示例**: 对于2个节点各8个GPU，设置为16
+