mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-06 00:57:33 +08:00
74 lines
2.2 KiB
Markdown
74 lines
2.2 KiB
Markdown
# 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
|
||
|