本文记录 在 华为昇腾 910B(65GB) * 8 上 部署 DeepSeekR1 蒸馏系列模型（14B、32B）全过程与测试结果。
NPU：910B3 (65GB) * 8 （910B 有三个版本 910B1、2、3）
模型：DeepSeek-R1-Distill-Qwen-14B、DeepSeek-R1-Distill-Qwen-32B
部署方法：镜像部署 1.0.0-800I-A2-py311-openeuler24.03-lts （需要申请下载权限，审核需要2天左右）
本文基础环境如下：
----------------
aarch64
910B(65GB) * 8
CANN 7.0
npu-smi 23.0.2.1
----------------
模型下载
DeepSeek-R1-Distill-Qwen-14B · 模型库
DeepSeek-R1-Distill-Qwen-32B · 模型库
modelscope 魔搭社区模型下载
本文将模型下载到服务器的 /data1/apps/models 路径下
- 例如 /data1/apps/models/deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
启动镜像时，将路径挂载：-v /data1/apps/models:/storage/llm
那么在镜像容器内模型地址：
/storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
权重转换
14B、32B 是.safetensor权重，无需转换，可以直接使用。
环境依赖
拉取镜像
下载地址： 昇腾镜像仓库详情
登陆账号，申请下载权限 -- 点击立即下载 --- 弹出一个窗口 -- 按照指示拉取镜像
docker pull --platform=linux/arm64 swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:1.0.0-800I-A2-py311-openeuler24.03-lts
--platform=linux/arm64 指定拉去内核为 arm 架构版本的镜像
由于本文的910B是纯内网机器，无法直接访问下载
于是 找了台可以访问公网的机器（x86的），拉取镜像、导出、传输到内网机器、导入
如果你的机器可以访问公网，直接拉去即可
查看拉取的镜像版本
docker inspect 25ba5f455ae3| grep Architecture导出镜像
docker save -o 1.0.0-800I-A2-py311-openeuler24.03-lts.tar swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:1.0.0-800I-A2-py311-openeuler24.03-lts
- 加载
docker load -i 1.0.0-800I-A2-py311-openeuler24.03-lts.tar1.0.0-300I-Duo-py311-openeuler24.03-lts.tar
环境
- python 3.11
- torch 2.1
[root@pm-a813-005 DeepSeek-R1-Distill-Qwen-14B]# python --version Python 3.11.6 [root@pm-a813-005 DeepSeek-R1-Distill-Qwen-14B]# pip show torch Name: torch Version: 2.1.0 Summary: Tensors and Dynamic neural networks in Python with strong GPU acceleration Home-page: https://pytorch.org/ Author: PyTorch Team Author-email: packages@pytorch.org License: BSD-3 Location: /usr/local/lib64/python3.11/site-packages Requires: filelock, fsspec, jinja2, networkx, sympy, typing-extensions Required-by: accelerate, torch-npu, torchvision
- mindie_llm 1.0.0
- mindiebenchmark 1.0.0
- mindieclient 1.0.0
- mindiesd 1.0.0
- mindietorch 1.0.0+torch2.1.0.abi0
启动镜像
root 特权模型
docker run -it -d --net=host --shm-size=10g \--privileged \--name deepseek-r1-distill-root-test \-v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \-v /usr/local/sbin:/usr/local/sbin:ro \-v /data1/apps/models:/storage/llm \swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:1.0.0-800I-A2-py311-openeuler24.03-lts \bash
docker exec -it deepseek-r1-distill-root-test bash
普通用户
docker run -it -d --net=host --shm-size=10g \--name deepseek-r1-distill-test1 \--device=/dev/davinci_manager \--device=/dev/hisi_hdc \--device=/dev/devmm_svm \--device=/dev/davinci0 \--device=/dev/davinci1 \--device=/dev/davinci2 \--device=/dev/davinci3 \--device=/dev/davinci4 \--device=/dev/davinci5 \--device=/dev/davinci6 \--device=/dev/davinci7 \-v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \-v /usr/local/sbin:/usr/local/sbin:ro \-v /data1/apps/models:/storage/llm \-w /storage/llm \swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:1.0.0-800I-A2-py311-openeuler24.03-lts \bash注意，以上启动命令仅供参考，请根据需求自行修改再启动容器，尤其需要注意：
--user，如果您的环境中HDK是通过普通用户安装（例如默认的HwHiAiUser，可以通过id HwHiAiUser命令查看该用户组ID），请设置好对应的用户组，例如用户组1001可以使用HDK，则--user mindieuser:1001，镜像中默认使用的是用户组1000。如果您的HDK是由root用户安装，且指定了--install-for-all参数，则无需指定--user参数。
设定容器名称--name与镜像名称，例如mindie:1.0.0-800I-A2-py311-openeuler24.03-lts。
如果不使用--priviliged参数，则需要设置各设备，包括设置想要使用的卡号--device：
... --name <container-name> \ --device=/dev/davinci_manager \ --device=/dev/hisi_hdc \ --device=/dev/davinci0 \ ...设定权重挂载的路径，-v /path-to-weights:/path-to-weights:ro，注意，权重路径权限应当设置为750。如果使用普通用户镜像，权重路径所属应为镜像内默认的1000用户。可参考以下命令进行修改：
chmod -R 755 /path-to-weights chown -R 1000:1000 /path-to-weights# 进入容器后执行 chmod -R 755 /storage/llm chown -R 1000:1000 /storage/llm在普通用户镜像中，注意所有文件均在 /home/mindieuser 下，请勿直接挂载 /home 目录，以免宿主机上存在相同目录，将容器内文件覆盖清除。
- 进入容器
docker exec -it deepseek-r1-distill-test1 bash
确认环境
检验HDK是否可用
输入以下命令，应当正确显示设备信息：
npu-smi info
如果出现以下信息：
bash: npu-smi: command not found
说明宿主机上的 npu-smi 工具不在 /usr/local/sbin 路径中，可能是由于HDK版本过旧或其他原因导致，可以使用以下命令找到该工具，并在启动容器时将其挂载到容器内：
find / -name npu-smi
一般来说，可能出现在 /usr/local/bin/npu-smi 路径下。
检验Torch是否可用
启动Python，并输入以下命令：
import torch
import torch_npu
若无报错信息，则说明Torch组件正常。
检查MindIE各组件
输入以下命令：
pip list | grep mindie
应出现类似如下输出：
mindie_llm 1.0.0
mindiebenchmark 1.0.0
mindieclient 1.0.0
mindiesd 1.0.0
mindietorch 1.0.0+torch2.1.0.abi0
或者输入以下命令：
cat /home/mindieuser/Ascend/mindie/latest/version.info
应出现类似如下输出：
Ascend-mindie : MindIE 1.0.0
mindie-rt: 1.0.0
mindie-torch: 1.0.0
mindie-service: 1.0.0
mindie-llm: 1.0.0
mindie-sd:1.0.0
Platform : aarch64
说明各组件正常。
确认模型地址正确
cd /storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
cd /storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
cd /storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
确认权限
chmod -R 750 /storage/llm
设置模型服务启动配置
打开配置文件
vi /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json
修改建议
一般只需要修改以下配置（单实例）
{..."ServerConfig" :{..."port" : 1040, #自定义"managementPort" : 1041, #自定义"metricsPort" : 1042, #自定义..."httpsEnabled" : false, # 取消https协议启动服务...},"BackendConfig": {..."npuDeviceIds" : [[0,1]],..."ModelDeployConfig":{"truncation" : false,"ModelConfig" : [{..."modelName" : "deepseek-14b","modelWeightPath" : "/storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-14B","worldSize" : 2,...}]},}
}
- （多实例）以 14B 为例， 一张卡一个实例， 八张就是八个实例，并发要求200
### ServerConfig
- **`httpsEnabled`**：取消https协议 设为 false### 3. `ModelDeployParam` 部分
#### 整体配置
- **`modelInstanceNumber`**：由于单卡能跑一个实例，机器有 8 张卡，可设置为 8。
- **`tokenizerProcessNumber`**：可使用默认值 8，也可根据实际性能情况进行调整。
- **`maxSeqLen`**：根据需求，最大上下文为 8192，设置为 8192 + 4096 = 12288（输入长度 + 输出长度）。
- **`npuDeviceIds`**：由于是单机 8 卡，设置为 `[[0], [1], [2], [3], [4], [5], [6], [7]]`。
- **`multiNodesInferEnabled`**：设置为 `false`，因为是单机推理。#### `ModelParam`
- **`worldSize`**：由于使用 8 张卡, 8 个实例，一个实例一张卡，设置为 1。
- **`cpuMemSize`**：CPU 内存有 1.4T，可适当增大，例如设置为 100（单位：GB）。
- **`npuMemSize`**：使用快速计算公式计算：- 假设单卡总空闲显存为 60GB，模型权重占用 40GB（根据实际情况调整），后处理占用 1GB，系数取 0.8。- 则 `npuMemSize = (60 - 40/1 - 1) * 0.8 ≈ 15`，可设置为 15（单位：GB）。### 4. `ScheduleParam` 部分
- **`maxPrefillBatchSize`**：可根据实际性能测试进行调整，初始可设置为 200。
- **`maxPrefillTokens`**：设置为大于等于 `maxSeqLen` 的值，例如设置为 16384。
- **`prefillTimeMsPerReq`**：可根据实际情况调整，使用默认值 150。
- **`prefillPolicyType`**：可使用默认值 0（FCFS，先来先服务）。
- **`decodeTimeMsPerReq`**：可根据实际情况调整，使用默认值 50。
- **`decodePolicyType`**：可使用默认值 0（FCFS，先来先服务）。
- **`maxBatchSize`**：根据 `npuMemSize` 和 `cacheBlockSize` 等参数重新计算，初始可设置为 200。
- **`maxIterTimes`**：最大输出为 4096，设置为 4096。
- **`maxPreemptCount`**：可根据实际情况设置，初始可设置为 0。
- **`supportSelectBatch`**：可根据实际情况设置，初始可使用默认值 `false`。
- **`maxQueueDelayMicroseconds`**：使用默认值 5000。### 预估最大并发量
最大并发量受多种因素影响，包括模型复杂度、硬件性能、参数配置等。
上面的配置，理论上最大并发量可达到 200 左右，但实际并发量需要通过性能测试来确定。可以逐步增加并发请求，观察系统的响应时间、资源利用率等指标，找到系统的性能瓶颈，从而确定最大并发量。
配置示例
14B
{"Version" : "1.1.0","LogConfig" :{"logLevel" : "Info","logFileSize" : 20,"logFileNum" : 20,"logPath" : "logs/mindservice.log"},"ServerConfig" :{"ipAddress" : "127.0.0.1","managementIpAddress" : "127.0.0.2","port" : 1025,"managementPort" : 1026,"metricsPort" : 1027,"allowAllZeroIpListening" : false,"maxLinkNum" : 1000,"httpsEnabled" : false,"fullTextEnabled" : false,"tlsCaPath" : "security/ca/","tlsCaFile" : ["ca.pem"],"tlsCert" : "security/certs/server.pem","tlsPk" : "security/keys/server.key.pem","tlsPkPwd" : "security/pass/key_pwd.txt","tlsCrlPath" : "security/certs/","tlsCrlFiles" : ["server_crl.pem"],"managementTlsCaFile" : ["management_ca.pem"],"managementTlsCert" : "security/certs/management/server.pem","managementTlsPk" : "security/keys/management/server.key.pem","managementTlsPkPwd" : "security/pass/management/key_pwd.txt","managementTlsCrlPath" : "security/management/certs/","managementTlsCrlFiles" : ["server_crl.pem"],"kmcKsfMaster" : "tools/pmt/master/ksfa","kmcKsfStandby" : "tools/pmt/standby/ksfb","inferMode" : "standard","interCommTLSEnabled" : true,"interCommPort" : 1121,"interCommTlsCaPath" : "security/grpc/ca/","interCommTlsCaFiles" : ["ca.pem"],"interCommTlsCert" : "security/grpc/certs/server.pem","interCommPk" : "security/grpc/keys/server.key.pem","interCommPkPwd" : "security/grpc/pass/key_pwd.txt","interCommTlsCrlPath" : "security/grpc/certs/","interCommTlsCrlFiles" : ["server_crl.pem"],"openAiSupport" : "vllm"},"BackendConfig" : {"backendName" : "mindieservice_llm_engine","modelInstanceNumber" : 8,"npuDeviceIds" : [[0], [1], [2], [3], [4], [5], [6], [7]],"tokenizerProcessNumber" : 8,"multiNodesInferEnabled" : false,"multiNodesInferPort" : 1120,"interNodeTLSEnabled" : true,"interNodeTlsCaPath" : "security/grpc/ca/","interNodeTlsCaFiles" : ["ca.pem"],"interNodeTlsCert" : "security/grpc/certs/server.pem","interNodeTlsPk" : "security/grpc/keys/server.key.pem","interNodeTlsPkPwd" : "security/grpc/pass/mindie_server_key_pwd.txt","interNodeTlsCrlPath" : "security/grpc/certs/","interNodeTlsCrlFiles" : ["server_crl.pem"],"interNodeKmcKsfMaster" : "tools/pmt/master/ksfa","interNodeKmcKsfStandby" : "tools/pmt/standby/ksfb","ModelDeployConfig" :{"maxSeqLen" : 12288,"maxInputTokenLen" : 8192,"truncation" : false,"ModelConfig" : [{"modelInstanceType" : "Standard","modelName" : "deepseek-14b","modelWeightPath" : "/storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-14B","worldSize" : 1,"cpuMemSize" : 50,"npuMemSize" : -1,"backendType" : "atb","trustRemoteCode" : false}]},"ScheduleConfig" :{"templateType" : "Standard","templateName" : "Standard_LLM","cacheBlockSize" : 128,"maxPrefillBatchSize" : 200,"maxPrefillTokens" : 16384,"prefillTimeMsPerReq" : 150,"prefillPolicyType" : 0,"decodeTimeMsPerReq" : 50,"decodePolicyType" : 0,"maxBatchSize" : 200,"maxIterTimes" : 4096,"maxPreemptCount" : 0,"supportSelectBatch" : false,"maxQueueDelayMicroseconds" : 5000}}
}32B
{"Version" : "1.1.0","LogConfig" :{"logLevel" : "Verbose","logFileSize" : 200,"logFileNum" : 64,"logPath" : "logs/mindservice.log"},"ServerConfig" :{"ipAddress" : "127.0.0.1","managementIpAddress" : "127.0.0.2","port" : 1025,"managementPort" : 1026,"metricsPort" : 1027,"allowAllZeroIpListening" : false,"maxLinkNum" : 1000,"httpsEnabled" : false,"fullTextEnabled" : false,"tlsCaPath" : "security/ca/","tlsCaFile" : ["ca.pem"],"tlsCert" : "security/certs/server.pem","tlsPk" : "security/keys/server.key.pem","tlsPkPwd" : "security/pass/key_pwd.txt","tlsCrlPath" : "security/certs/","tlsCrlFiles" : ["server_crl.pem"],"managementTlsCaFile" : ["management_ca.pem"],"managementTlsCert" : "security/certs/management/server.pem","managementTlsPk" : "security/keys/management/server.key.pem","managementTlsPkPwd" : "security/pass/management/key_pwd.txt","managementTlsCrlPath" : "security/management/certs/","managementTlsCrlFiles" : ["server_crl.pem"],"kmcKsfMaster" : "tools/pmt/master/ksfa","kmcKsfStandby" : "tools/pmt/standby/ksfb","inferMode" : "standard","interCommTLSEnabled" : true,"interCommPort" : 1121,"interCommTlsCaPath" : "security/grpc/ca/","interCommTlsCaFiles" : ["ca.pem"],"interCommTlsCert" : "security/grpc/certs/server.pem","interCommPk" : "security/grpc/keys/server.key.pem","interCommPkPwd" : "security/grpc/pass/key_pwd.txt","interCommTlsCrlPath" : "security/grpc/certs/","interCommTlsCrlFiles" : ["server_crl.pem"],"openAiSupport" : "vllm"},"BackendConfig" : {"backendName" : "mindieservice_llm_engine","modelInstanceNumber" : 4,"npuDeviceIds" : [[0,1], [2,3], [4,5], [6,7]],"tokenizerProcessNumber" : 8,"multiNodesInferEnabled" : false,"multiNodesInferPort" : 1120,"interNodeTLSEnabled" : true,"interNodeTlsCaPath" : "security/grpc/ca/","interNodeTlsCaFiles" : ["ca.pem"],"interNodeTlsCert" : "security/grpc/certs/server.pem","interNodeTlsPk" : "security/grpc/keys/server.key.pem","interNodeTlsPkPwd" : "security/grpc/pass/mindie_server_key_pwd.txt","interNodeTlsCrlPath" : "security/grpc/certs/","interNodeTlsCrlFiles" : ["server_crl.pem"],"interNodeKmcKsfMaster" : "tools/pmt/master/ksfa","interNodeKmcKsfStandby" : "tools/pmt/standby/ksfb","ModelDeployConfig" :{"maxSeqLen" : 13000,"maxInputTokenLen" : 4096,"truncation" : false,"ModelConfig" : [{"modelInstanceType" : "Standard","modelName" : "deepseek-32b","modelWeightPath" : "/storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-32B","worldSize" : 2,"cpuMemSize" : 100,"npuMemSize" : 10,"backendType" : "atb","trustRemoteCode" : false}]},"ScheduleConfig" :{"templateType" : "Standard","templateName" : "Standard_LLM","cacheBlockSize" : 128,"maxPrefillBatchSize" : 50,"maxPrefillTokens" : 16384,"prefillTimeMsPerReq" : 150,"prefillPolicyType" : 0,"decodeTimeMsPerReq" : 50,"decodePolicyType" : 0,"maxBatchSize" : 200,"maxIterTimes" : 4096,"maxPreemptCount" : 0,"supportSelectBatch" : false,"maxQueueDelayMicroseconds" : 5000}}
}服务启动项参数说明
详细查看官网
配置参数说明-快速开始-MindIE Service开发指南-服务化集成部署-MindIE1.0.RC2开发文档-昇腾社区
OtherParam参数
| 配置项 | 取值类型 | 取值范围 | 配置说明 |
|---|---|---|---|
| ResourceParam | |||
| cacheBlockSize | uint32_t | [1, 128] | kvcache block的size大小。必填，默认值：128；建议值：128，其他值建议取为2的n次幂。 |
| LogParam | |||
| logLevel | string | "Verbose""Info""Warning""Error""None" | "Verbose"：打印Verbose、Info、Warning和Error级别的日志。"Info"：打印Info、Warning和Error级别的日志。"Warning"：打印Warning和Error级别的日志。"Error"：打印Error级别的日志。"None"：不打印日志。必填，默认值："Info"。 |
| logPath | string | 日志文件路径，长度<=4096。 | 支持绝对和相对路径。如果配置为相对路径，则代码中会取工程目录，最后拼接而成。例如，假设MindIE Service的安装路径为“/opt/Ascend-mindie-service{version}linux-x86_64/”，则默认的日志绝对路径为“/opt/Ascend-mindie-service{version}linux-x86_64/logs/mindservice.log”。若配置路径不满足要求，则使用默认路径：“工程路径/logs/mindservice.log”。必填，默认值："logs/mindservice.log"。 |
| ServeParam | |||
| ipAddress | string | IPv4地址。 | EndPoint提供的业务面RESTful接口绑定的IP地址。全零侦听会导致三面隔离失效，不满足安全配置要求，禁止绑定IP地址为0.0.0.0。如果存在环境变量MIES_CONTAINER_IP，则优先取环境变量值作为业务面IP地址。如果不存在环境变量MIES_CONTAINER_IP，则取该配置值。必填，默认值："127.0.0.1"。 |
| managementIpAddress | string | IPv4地址。 | EndPoint提供的管理面RESTful接口绑定的IP地址。全零侦听会导致三面隔离失效，不满足安全配置要求，禁止绑定IP地址为0.0.0.0。如果该环境变量MIES_CONTAINER_MANAGEMENT_IP存在，则直取环境变量值作为管理面IP地址。如果“managementIpAddress”字段存在，则取字段本身值；否则取“ipAddress”字段的值作为管理面IP地址。如果采用多IP地址的方案，对“ipAddress”和“managementAddress”的初始值都需要做相应的修改。选填，默认值："127.0.0.2"。 |
| port | int32_t | [1024, 65535] | EndPoint提供的业务面RESTful接口绑定的端口号。如果采用物理机/宿主机IP地址通信，请自行保证端口号无冲突。必填，默认值：1025。 |
| managementPort | int32_t | [1024, 65535] | EndPoint提供的管理面（管理面接口参考表1）接口绑定的端口号。业务面与管理面可采用四种方案：单IP地址单端口号（推荐）单IP地址多端口号多IP地址单端口号多IP地址多端口号在单卡节点中，不能使用多IP地址单端口号的方案，会因端口号占用而无法启动。选填，默认值：1026。 |
| maxLinkNum | uint32_t | [1, 1000] | RESTful接口请求并发数，EndPoint支持的最大并发请求数。必填，默认值：1000。 |
| httpsEnabled | bool | truefalse | 是否开启https通信。true：开启https通信。false：关闭https通信。必填，默认值：true，建议值：true，取值为false时，忽略后续https通信相关参数。 |
| tlsCaPath | string | 建议tlsCaPath+tlsCaFile路径长度<=4096。实际路径为工程路径+tlsCaPath，上限限制与操作系统有关，最小值为1。 | 根证书路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true生效，生效后必填，默认值："security/ca/"。 |
| tlsCaFile | set--string | 建议tlsCaPath+tlsCaFile路径长度<=4096。不可为空，并且tlsCaPath+tlsCaFile路径长度上限与操作系统有关，最小值为1。 | 业务面根证书名称列表。“httpsEnabled”=true生效，生效后必填，默认值：["ca.pem"]。 |
| tlsCert | string | 建议文件路径长度<=4096。实际路径为工程路径+tlsCert，上限限制与操作系统有关，最小值为1。 | 业务面服务证书文件路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true生效，生效后必填，默认值："security/certs/server.pem"。 |
| tlsPk | string | 建议文件路径长度<=4096。实际路径为工程路径+tlsPk，上限限制与操作系统有关，最小值为1。 | 业务面服务证书私钥文件路径，证书私钥的长度要求>=3072，只支持软件包安装路径下的相对路径。“httpsEnabled”=true生效，生效后必填，默认值："security/keys/server.key.pem"。 |
| tlsPkPwd | string | 文件路径长度<=4096。支持为空；若非空，则实际路径为工程路径+tlsPkPwd，上限限制与操作系统有关，最小值为1。 | 业务面服务证书私钥加密密钥文件路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true生效，生效后选填，默认值："security/pass/key_pwd.txt"。若私钥经过加密但是未提供此文件，系统启动时会要求用户在交互窗口输入私钥加密口令。 |
| tlsCrl | string | 建议文件路径长度<=4096。支持为空；若非空，则实际路径为工程路径+tlsCrl，上限限制与操作系统有关，最小值为1。 | 业务面服务证书吊销列表文件路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true生效，生效后必填，默认值："security/certs/server_crl.pem"。“httpsEnabled”=false不启用吊销列表。“tlsCrl”的值只能配套“tlsCaFile”文件列表中的第一个CA文件。 |
| managementTlsCaFile | set--string | 建议tlsCaPath+managementTlsCaFile路径长度<=4096。不可为空，并且tlsCaPath+managementTlsCaFile路径长度上限与操作系统有关，最小值为1。 | 管理面根证书名称列表，当前管理面证书和业务面证书放在同一个路径（tlsCaPath）下。“httpsEnabled”=true且“ipAddress”!=“managementIpAddress”生效，生效后必填，默认值：["management_ca.pem"]。 |
| managementTlsCert | string | 建议文件路径长度<=4096。实际路径为工程路径+managementTlsCert，上限限制与操作系统有关，最小值为1。 | 管理面服务证书文件路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true且“ipAddress”!=“managementIpAddress”生效，生效后必填，默认值："security/certs/management_server.pem"。 |
| managementTlsPk | string | 建议文件路径长度<=4096。实际路径为工程路径+managementTlsPk，上限限制与操作系统有关，最小值为1。 | 管理面服务证书私钥文件路径，证书私钥的长度要求>=3072，只支持软件包安装路径下的相对路径。“httpsEnabled”=true且“ipAddress”!=“managementIpAddress”生效，生效后必填，默认值："security/keys/management_server.key.pem"。 |
| managementTlsPkPwd | string | 文件路径长度<=4096。支持为空；若非空，则实际路径为工程路径+managementTlsPkPwd，上限限制与操作系统有关，最小值为1 | 管理面服务证书私钥加密密钥文件路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true且“ipAddress”!=“managementIpAddress”生效，生效后选填，默认值："security/pass/management/key_pwd.txt"。若私钥经过加密但是未提供此文件，系统启动时会要求用户在交互窗口输入私钥加密口令。 |
| managementTlsCrl | string | 建议文件路径长度<=4096。支持为空；若非空，则实际路径为工程路径+managementTlsCrl，上限限制与操作系统有关，最小值为1。 | 管理面证书吊销列表文件路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true且“ipAddress”!=“managementIpAddress”生效，生效后必填，默认值："security/certs/management_server_crl.pem"。“httpsEnabled”=false不启用吊销列表。“managementTlsCrl”的值只能配套“managementTlsCaFile”文件列表中的第一个CA文件。 |
| kmcKsMaster | string | 建议文件路径长度<=4096。实际路径为工程路径+kmcKsMaster，上限限制与操作系统有关，最小值为1。 | KMC密钥库文件路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true生效，生效后必填，默认值："tools/pmt/master/ksfa"。 |
| kmcKsStandby | string | 建议文件路径长度<=4096。实际路径为工程路径+kmcKsStandby，上限限制与操作系统有关，最小值为1。 | KMC密钥库备份文件路径，只支持软件包安装路径下的相对路径。“httpsEnabled”=true生效，生效后必填，默认值："tools/pmt/standby/ksfb"。 |
| multiNodesInferPort | uint32_t | [1024, 65535] | 跨机通信的端口号，多机推理场景使用。选填，默认值：1120。 |
| interNodeTLSEnabled | bool | truefalse | 多机推理时，跨机通信是否开启证书安全认证。true：开启证书安全认证。false：关闭证书安全认证。选填，默认值：true。取值为false时，忽略后续参数。 |
| interNodeTlsCaFile | string | 建议文件路径长度<=4096。实际路径为工程路径+interNodeTlsCaFile，上限限制与操作系统有关，最小值为1。 | 根证书名称路径，只支持软件包安装路径下的相对路径。“interNodeTLSEnabled”=true生效，生效后必填，默认值："security/ca/ca.pem"。 |
| interNodeTlsCert | string | 建议文件路径长度<=4096。实际路径为工程路径+interNodeTlsCert，上限限制与操作系统有关，最小值为1。 | 服务证书文件路径，只支持软件包安装路径下的相对路径。“interNodeTLSEnabled”=true生效，生效后必填，默认值："security/certs/server.pem"。 |
| interNodeTlsPk | string | 建议文件路径长度<=4096。实际路径为工程路径+interNodeTlsPk，上限限制与操作系统有关，最小值为1。 | 服务证书私钥文件路径，只支持软件包安装路径下的相对路径。“interNodeTLSEnabled”=true生效，生效后必填，默认值："security/keys/server.key.pem"。 |
| interNodeTlsPkPwd | string | 建议文件路径长度<=4096。支持为空；若非空，则实际路径为工程路径+interNodeTlsPkPwd，上限限制与操作系统有关，最小值为1。 | 服务证书私钥加密密钥文件路径，只支持软件包安装路径下的相对路径。“interNodeTLSEnabled”=true生效，生效后必填，默认值："security/pass/mindie_server_key_pwd.txt"。 |
| interNodeKmcKsfMaster | string | 建议文件路径长度<=4096。实际路径为工程路径+interNodeKmcKsfMaster，上限限制与操作系统有关，最小值为1。 | KMC密钥库文件路径，只支持软件包安装路径下的相对路径。“interNodeTLSEnabled”=true生效，生效后必填，默认值："tools/pmt/master/ksfa"。 |
| interNodeKmcKsfStandby | string | 建议文件路径长度<=4096。实际路径为工程路径+interNodeKmcKsfStandby，上限限制与操作系统有关，最小值为1。 | KMC密钥库备份文件路径，只支持软件包安装路径下的相对路径。“interNodeTLSEnabled”=true生效，生效后必填，默认值："tools/pmt/standby/ksfb"。 |
说明
- 如果网络环境不安全，不开启https通信，即“httpsEnabled”=“false”时，会存在较高的网络安全风险。
- 如果推理服务所在的计算节点的网络为跨公网和局域网，绑定0.0.0.0的IP地址可能导致网络隔离失效，存在较大安全风险。故该场景下禁止EndPoint的IP地址绑定为0.0.0.0。
- 如果配置了相同的管理面和业务面的IP地址，会导致隔离失效。
WorkFlowParam参数
| 配置项 | 取值类型 | 取值范围 | 配置说明 |
|---|---|---|---|
| TemplateParam | |||
| templateType | string | 当前取值只能为："Standard" | 普通推理。必填，默认值："Standard"。 |
| templateName | string | 由大写字母、小写字母和下划线组成，且不以下划线作为开头和结尾，字符串长度小于或等于256。 | 工作流名称。必填，默认值："Standard_llama"。 |
ModelDeployParam参数
| 配置项 | 取值类型 | 取值范围 | 配置说明 |
|---|---|---|---|
| engineName | string | 长度1~50，只支持小写字母加下划线。且不以下划线作为开头和结尾。 | 根据engineName找对应的so文件。必填，默认值："mindieservice_llm_engine"。 |
| modelInstanceNumber | uint32_t | [1, 10] | 模型实例个数。必填，默认值：1。 |
| tokenizerProcessNumber | uint32_t | [1, 32] | tokenizer进程数。选填，默认值：8。 |
| maxSeqLen | uint32_t | 上限根据显存和用户需求来决定，最小值需大于0。 | 最大序列长度。输入的长度+输出的长度<=maxSeqLen，用户根据自己的推理场景选择maxSeqLen。如果maxSeqLen大于模型支持的最大序列长度，可能会影响推理精度。必填，默认值：2560。 |
| npuDeviceIds | set-set<size_t> | 根据模型和环境的实际情况来决定。 | 表示启用哪几张卡。对于每个模型实例分配的npuIds。多机推理场景下该值无效，每个节点上使用的npuDeviceIds根据ranktable计算获得。必填，默认值：[[0,1,2,3]]。 |
| multiNodesInferEnabled | bool | truefalse | false：单机推理。true：多机推理。选填，默认值：false。 |
| ModelParam | |||
| modelInstanceType | string | "Standard""StandardMock" | 模型类型。"Standard"：普通推理。"StandardMock"：假模型。选填，默认值："Standard"。 |
| modelName | string | 由大写字母、小写字母、数字、中划线、点和下划线组成，且不以中划线、点和下划线作为开头和结尾，字符串长度小于或等于256。 | 模型名称。必填，默认值："llama_65b"。 |
| modelWeightPath | string | 文件绝对路径长度的上限与操作系统有关，最小值为1。 | 模型权重路径。程序会读取该路径下的config.json中torch_dtype和vocab_size字段的值，需保证路径和相关字段存在。必填，默认值："/data/atb_testdata/weights/llama1-65b-safetensors"。该路径会进行安全校验，必须使用绝对路径，且和执行用户的属组和权限保持一致。 |
| worldSize | uint32_t | 根据模型实际情况来决定。每一套模型参数中worldSize必须与使用的NPU数量相等。 | 启用几张卡推理。目前llama-65b至少启用四张NPU卡。多机推理场景下该值无效，worldSize根据ranktable计算获得。必填，默认值：4。 |
| cpuMemSize | uint32_t | 上限根据显存和用户需求来决定。只有当maxPreemptCount为0时，才可以取值为0。 | CPU中可以用来申请kv cache的size上限。必填，默认值：5，建议值：5，单位：GB。 |
| npuMemSize | uint32_t | 上限根据显存和用户需求来决定，下限大于0。 | NPU中可以用来申请kv cache的size上限。必填，默认值：8，建议值：8，单位：GB。快速计算公式：npuMemSize=(单卡总空闲-权重/NPU卡数-后处理占用)*系数，其中系数取0.8。 |
| backendType | string | "atb""ms" | 对接的后端类型。必填，默认值："atb"。 |
| pluginParams | string | 根据并行解码实际所需填写一个json字符串。 | 选填，默认值：""。 |
ScheduleParam参数
| 配置项 | 取值类型 | 取值范围 | 配置说明 |
|---|---|---|---|
| maxPrefillBatchSize | uint32_t | [1, maxBatchSize] | 最大prefill batch size。maxPrefillBatchSize和maxPrefillTokens谁先达到各自的取值就完成本次组batch。该参数主要是在明确需要限制prefill阶段batch size的场景下使用，否则可以设置为0（此时引擎将默认取maxBatchSize值）或与maxBatchSize值相同。必填，默认值：50。 |
| maxPrefillTokens | uint32_t | [5120, 512000]，且必须大于或等于maxSeqLen的取值。 | 每次prefill时，当前batch中所有input token总数，不能超过maxPrefillTokens。maxPrefillTokens和maxPrefillBatchSize谁先达到各自的取值就完成本次组batch。必填，默认值：8192。 |
| prefillTimeMsPerReq | uint32_t | [0, 1000] | 与decodeTimeMsPerReq比较，计算当前应该选择prefill还是decode。单位：ms，当“supportSelectBatch”=true时有效。其调度策略流程图请参见图1。必填，默认值：150。 |
| prefillPolicyType | uint32_t | 013 | prefill阶段的调度策略，其调度策略流程图请参见图2。0：FCFS，先来先服务。1：STATE，prefill阶段等同于FCFS策略。3：MLFQ，多级反馈队列。其中，3是0/1的组合。必填，默认值：0。 |
| decodeTimeMsPerReq | uint32_t | [0, 1000] | 与prefillTimeMsPerReq比较，计算当前应该选择prefill还是decode。单位：ms，当“supportSelectBatch”=true时有效。其调度策略流程图请参见图1。必填，默认值：50。 |
| decodePolicyType | uint32_t | 013 | decode阶段的调度策略。其调度策略流程图请参见图2。0：FCFS，先来先服务。1：STATE，decode阶段优先执行未被抢占和换出的请求。3：MLFQ，多级反馈队列。其中，3是0/1的组合。必填，默认值：0。 |
| maxBatchSize | uint32_t | [1, 5000]，且必须大于或等于maxPreemptCount的取值。 | 最大decode batch size。首先计算block_num：Total Block Num = Floor(NPU显存/(模型网络数cacheBlockSize模型注意力头数注意力头大小Cache类型字节数Cache数))，其中，Cache数=2；在tensor并行的情况下，block_numworld_size为实际的分配block数。如果是多卡，公式中的模型注意力头数注意力大小的值需要均摊在每张卡上，即“模型注意力头数注意力大小/卡数”。公式中的Floor表示计算结果向下取整。为每个请求申请的block数量Block Num=Ceil(输入Token数/Block Size)+Ceil(最大输出Token数/Block Size)。输入Token数：输入（字符串）做完tokenizer后的tokenID个数；最大输出Token数：模型推理最大迭代次数和最大输出长度之间取较小值。公式中的Ceil表示计算结果向上取整。maxBatchSize=Total Block Num/Block Num。必填，默认值：200。 |
| maxIterTimes | uint32_t | [1, maxSeqLen-1] | 迭代次数，即一句话最大可生成长度。与允许推理生成的最大token个数max_tokens（或max_new_tokens）取较小值作为最大可生成长度。必填，默认值：512。 |
| maxPreemptCount | int32_t | [0, maxBatchSize]，当取值大于0时，cpuMemSize取值不可为0。 | 每一批次最大可抢占请求的上限，即限制一轮调度最多抢占请求的数量，最大上限为maxBatchSize，取值大于0则表示开启可抢占功能。必填，默认值：0。 |
| supportSelectBatch | bool | truefalse | batch选择策略。false：表示每一轮调度时，优先调度和执行prefill阶段的请求。true：表示每一轮调度时，根据当前prefill与decode请求的数量，自适应调整prefill和decode阶段请求调度和执行的先后顺序。必填，默认值：false。 |
| maxQueueDelayMicroseconds | uint32_t | [500, 1000000] | 队列等待时间，单位：us。必填，默认值：5000。 |
图1 调度策略和执行先后顺序流程图
图2 prefill和decode阶段的调度策略流程图
启动模型
拉起服务化接口
cd /usr/local/Ascend/mindie/latest/mindie-service/bin
./mindieservice_daemon
后台启动
cd $MIES_INSTALL_PATH
nohup ./bin/mindieservice_daemon > output.log 2>&1 &
tail -f output.log# nuhup 开启一个后台进程
[1] 107
# 杀死进程 kill 107
Daemon start success! 则为启动成功
接口测试
time curl -X POST http://127.0.0.1:1025/v1/chat/completions \-H "Accept: application/json" \-H "Content-type: application/json" \-d '{"model": "deepseek-14b","messages": [{"role": "user","content": "我有五天假期，我想去海南玩，请给我一个攻略"}],"max_tokens": 2048,"presence_penalty": 1.03,"frequency_penalty": 1.0,"seed": null,"temperature": 0.5,"top_p": 0.95,"stream": false
}' 
脚本测试(可选)
cd $ATB_SPEED_HOME_PATH
python examples/run_pa.py --model_path /storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
并发测试
14B - 单卡运行
八张卡 八个实例
| 设备 | 模型 | 上下文（输出+输出长度） | 并发 | 循环次数 | 并发请求总输出速率（tokens/s） | 单个请求速率的平均 | 请求超时个数（超过60s的请求） |
|---|---|---|---|---|---|---|---|
| 910B3 * 8 | deepseek-14b | 2048 | 1 | 1 | 33.03 | 33.03 | 0 |
| 910B3 * 8 | deepseek-14b | 4096 | 1 | 1 | 31.91 | 31.91 | 0 |
| 910B3 * 8 | deepseek-14b | 8192 | 1 | 1 | 31.08 | 31.08 | 0 |
| 910B3 * 8 | deepseek-14b | 2048 | 4 | 1 | 101.63 | 32.93 | 0 |
| 910B3 * 8 | deepseek-14b | 4096 | 4 | 1 | 113.43 | 31.98 | 0 |
| 910B3 * 8 | deepseek-14b | 8192 | 4 | 1 | 94.86 | 31.11 | 0 |
| 910B3 * 8 | deepseek-14b | 2048 | 8 | 1 | 213.05 | 31.99 | 0 |
| 910B3 * 8 | deepseek-14b | 4096 | 8 | 1 | 185.08 | 30.09 | 0 |
| 910B3 * 8 | deepseek-14b | 8192 | 8 | 1 | 154.08 | 29.45 | 0 |
| 910B3 * 8 | deepseek-14b | 2048 | 16 | 1 | 284.99 | 31.00 | 0 |
| 910B3 * 8 | deepseek-14b | 4096 | 16 | 1 | 279.60 | 29.44 | 0 |
| 910B3 * 8 | deepseek-14b | 8192 | 16 | 1 | 346.78 | 27.92 | 0 |
| 910B3 * 8 | deepseek-14b | 2048 | 32 | 1 | 579.98 | 29.46 | 0 |
| 910B3 * 8 | deepseek-14b | 4096 | 32 | 1 | 575.08 | 26.80 | 0 |
| 910B3 * 8 | deepseek-14b | 8192 | 32 | 1 | 560.29 | 24.92 | 0 |
| 910B3 * 8 | deepseek-14b | 2048 | 64 | 1 | 932.15 | 24.59 | 0 |
| 910B3 * 8 | deepseek-14b | 4096 | 64 | 1 | 1118.59 | 24.52 | 0 |
| 910B3 * 8 | deepseek-14b | 8192 | 64 | 1 | 816.21 | 21.98 | 2 |
| 910B3 * 8 | deepseek-14b | 2048 | 96 | 1 | 1294.45 | 25.58 | 0 |
| 910B3 * 8 | deepseek-14b | 4096 | 96 | 1 | 1437.15 | 21.76 | 2 |
| 910B3 * 8 | deepseek-14b | 8192 | 96 | 1 | 1291.17 | 18.78 | 5 |
| 910B3 * 8 | deepseek-14b | 2048 | 128 | 1 | 1307.53 | 20.16 | 5 |
| 910B3 * 8 | deepseek-14b | 4096 | 128 | 1 | 1560.00 | 16.81 | 28 |
| 910B3 * 8 | deepseek-14b | 8192 | 128 | 1 | 1348.41 | 13.06 | 37 |
| 910B3 * 8 | deepseek-14b | 2048 | 196 | 1 | 1417.76 | 12.30 | 77 |
| 910B3 * 8 | deepseek-14b | 4096 | 196 | 1 | 404.82 | 2.84 | 171 |
| 910B3 * 8 | deepseek-14b | 8192 | 196 | 1 | 521.18 | 2.94 | 162 |
32B - 双卡并行
八张卡 四个实例
| 设备 | 模型 | 上下文（输出+输出长度） | 并发 | 循环次数 | 并发请求总输出速率（tokens/s） | 单个请求速率的平均 | 请求超时个数（超过60s的请求） |
|---|---|---|---|---|---|---|---|
| 910B3 * 8 | deepseek-32b | 2048 | 1 | 1 | 27.64 | 27.64 | 0 |
| 910B3 * 8 | deepseek-32b | 4096 | 1 | 1 | 26.43 | 26.43 | 0 |
| 910B3 * 8 | deepseek-32b | 8192 | 1 | 1 | 25.09 | 25.09 | 0 |
| 910B3 * 8 | deepseek-32b | 2048 | 4 | 1 | 80.31 | 26.23 | 0 |
| 910B3 * 8 | deepseek-32b | 4096 | 4 | 1 | 67.86 | 23.03 | 0 |
| 910B3 * 8 | deepseek-32b | 8192 | 4 | 1 | 81.54 | 23.39 | 0 |
| 910B3 * 8 | deepseek-32b | 2048 | 8 | 1 | 147.15 | 23.17 | 0 |
| 910B3 * 8 | deepseek-32b | 4096 | 8 | 1 | 131.06 | 22.09 | 0 |
| 910B3 * 8 | deepseek-32b | 8192 | 8 | 1 | 123.23 | 20.39 | 0 |
| 910B3 * 8 | deepseek-32b | 2048 | 16 | 1 | 279.69 | 21.08 | 0 |
| 910B3 * 8 | deepseek-32b | 4096 | 16 | 1 | 161.08 | 19.83 | 2 |
| 910B3 * 8 | deepseek-32b | 8192 | 16 | 1 | 223.36 | 19.38 | 0 |
| 910B3 * 8 | deepseek-32b | 2048 | 32 | 1 | 312.54 | 21.06 | 0 |
| 910B3 * 8 | deepseek-32b | 4096 | 32 | 1 | 367.03 | 18.93 | 1 |
| 910B3 * 8 | deepseek-32b | 8192 | 32 | 1 | 273.43 | 18.20 | 5 |
| 910B3 * 8 | deepseek-32b | 2048 | 64 | 1 | 762.26 | 20.52 | 0 |
| 910B3 * 8 | deepseek-32b | 4096 | 64 | 1 | 521.32 | 16.75 | 6 |
| 910B3 * 8 | deepseek-32b | 8192 | 64 | 1 | 442.43 | 14.48 | 15 |
| 910B3 * 8 | deepseek-32b | 2048 | 96 | 1 | 866.97 | 18.46 | 1 |
| 910B3 * 8 | deepseek-32b | 4096 | 96 | 1 | 905.75 | 11.65 | 20 |
| 910B3 * 8 | deepseek-32b | 8192 | 96 | 1 | 471.27 | 5.59 | 50 |
| 910B3 * 8 | deepseek-32b | 2048 | 128 | 1 | 522.60 | 7.00 | 75 |
| 910B3 * 8 | deepseek-32b | 4096 | 128 | 1 | 117.51 | 0.99 | 118 |
| 910B3 * 8 | deepseek-32b | 8192 | 128 | 1 | 0.00 | 0.00 | 128 |
| 910B3 * 8 | deepseek-32b | 2048 | 196 | 1 | 1345.32 | 14.69 | 91 |
| 910B3 * 8 | deepseek-32b | 4096 | 196 | 1 | 925.30 | 11.43 | 146 |
| 910B3 * 8 | deepseek-32b | 8192 | 196 | 1 | 755.33 | 9.04 | 166 |
并发测试脚本代码
找一个文件夹，创建、执行并发请求脚本
- python model_request_test.py
- python statistic.py
- 新建请求脚本
vi model_request_test.py
# -*- coding: utf-8 -*-
# @Time : 2025/2/14 14:29import os.pathimport asyncio
import aiohttp
import time
import json
import logging# 配置日志
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')test_context = """
我们过了江，进了车站。我买票，他忙着照看行李。行李太多了，得向脚夫⑾行些小费才可过去。他便又忙着和他们讲价钱。我那时真是聪明过分，总觉他说话不大漂亮，非自己插嘴不可，但他终于讲定了价钱；就送我上车。他给我拣定了靠车门的一张椅子；我将他给我做的紫毛大衣铺好座位。他嘱我路上小心，夜里要警醒些，不要受凉。又嘱托茶房好好照应我。我心里暗笑他的迂；他们只认得钱，托他们只是白托！而且我这样大年纪的人，难道还不能料理自己么？我现在想想，我那时真是太聪明了。
我说道：“爸爸，你走吧。”他往车外看了看，说：“我买几个橘子去。你就在此地，不要走动。”我看那边月台的栅栏外有几个卖东西的等着顾客。走到那边月台，须穿过铁道，须跳下去又爬上去。父亲是一个胖子，走过去自然要费事些。我本来要去的，他不肯，只好让他去。我看见他戴着黑布小帽，穿着黑布大马褂⑿，深青布棉袍，蹒跚⒀地走到铁道边，慢慢探身下去，尚不大难。可是他穿过铁道，要爬上那边月台，就不容易了。他用两手攀着上面，两脚再向上缩；他肥胖的身子向左微倾，显出努力的样子。这时我看见他的背影，我的泪很快地流下来了。我赶紧拭干了泪。怕他看见，也怕别人看见。我再向外看时，他已抱了朱红的橘子往回走了。过铁道时，他先将橘子散放在地上，自己慢慢爬下，再抱起橘子走。到这边时，我赶紧去搀他。他和我走到车上，将橘子一股脑儿放在我的皮大衣上。于是扑扑衣上的泥土，心里很轻松似的。过一会儿说：“我走了，到那边来信！”我望着他走出去。他走了几步，回过头看见我，说：“进去吧，里边没人。”等他的背影混入来来往往的人里，再找不着了，我便进来坐下，我的眼泪又来了。
"""# 输入文本列表 此处为示例，实际测试请使用长度在 1800、3500、7000 字左右的文本作为输入 使得上下文长度在 2048、4096、8192 字左右
input_texts = [test_context * (2048 // len(test_context)) + "\n====\n总结以上文本为字数200字的摘要。",test_context * (4096 // len(test_context)) + "\n====\n总结以上文本为字数500字的摘要。",test_context * (8192 // len(test_context)) + "\n====\n总结以上文本为字数1000字的摘要。",
]# 并发请求列表
concurrency_levels = [1, 4, 8, 16, 32, 64, 96, 128, 196]
# concurrency_levels = [96, 128, 196]
# concurrency_levels = [1]# 循环次数
loop_count = 1# 请求接口地址
url = "http://127.0.0.1:1025/v1/chat/completions"# 设备和模型信息
device = "910B3 * 8"
# model = "DeepSeek-R1-Distill-32B"
model = "deepseek-14b" # 此处对应配置文件中的 ModelDeployConfig.ModelConfig.modelNameif not os.path.exists(model):os.mkdir(model)async def make_request(session, input_text):# logging.info("开始单个请求")headers = {"Accept": "application/json","Content-type": "application/json"}data = {"model": model,"messages": [{"role": "user", "content": input_text}],"max_tokens": 2048,"presence_penalty": 1.03,"frequency_penalty": 1.0,"seed": None,"temperature": 0.5,"top_p": 0.95,"stream": True}start_time = time.time()try:async with session.post(url, headers=headers, json=data, timeout=60) as response:output_tokens = 0async for chunk in response.content.iter_chunked(65535):try:chunk_str = chunk.decode('utf-8').strip()if chunk_str.startswith("data: "):chunk_str = chunk_str[len("data: "):]chunk_data = json.loads(chunk_str)"""data: {"id":"endpoint_common_34","object":"chat.completion.chunk","created":1739519727,"model":"deepseek-32b","usage":{"prompt_tokens":6,"completion_tokens":27,"total_tokens":33},"choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":"stop"}]}"""output_tokens += 1except (json.JSONDecodeError, UnicodeDecodeError):continueend_time = time.time()elapsed_time = end_time - start_timeprint(f"elapsed_time: 0.0614")output_rate = output_tokens / elapsed_time if elapsed_time > 0 else 0logging.info(f"单个请求完成，输出 tokens: {output_tokens}，耗时: {elapsed_time:.2f}s，输出速率: {output_rate:.2f} tokens/s")return output_tokens, elapsed_time, output_rateexcept asyncio.TimeoutError:logging.warning("单个请求超时")return 0, 60, 0except Exception as e:print(f"ERROR: {e}")return 0, 60, 0async def run_concurrent_tests(concurrency, input_text):logging.info(f"开始并发数为 {concurrency} 的测试")async with aiohttp.ClientSession() as session:tasks = [make_request(session, input_text) for _ in range(concurrency)]results = await asyncio.gather(*tasks)total_output_tokens = sum([result[0] for result in results])total_elapsed_time = max([result[1] for result in results])total_output_rate = total_output_tokens / total_elapsed_time if total_elapsed_time > 0 else 0average_single_rate = sum([result[2] for result in results]) / concurrencytimeout_count = sum([1 for result in results if result[1] >= 60])logging.info(f"并发数为 {concurrency} 的测试完成，总输出 tokens: {total_output_tokens}，总耗时: {total_elapsed_time:.2f}s，"f"并发请求总输出速率: {total_output_rate:.2f} tokens/s，单个请求速率平均: {average_single_rate:.2f} tokens/s，超时个数: {timeout_count}")return total_output_rate, average_single_rate, timeout_countasync def main():print("|设备|模型|上下文（输出+输出长度）|并发|循环次数|并发请求总输出速率（tokens/s）|单个请求速率的平均|请求超时个数（超过60s的请求）|")print("| ------| ------| --------| ------| ----------| ------------------| ----------| --------------|")for concurrency in concurrency_levels:all_results = []for i, input_text in enumerate(input_texts):input_length = len(input_text)total_output_rate, average_single_rate, timeout_count = await run_concurrent_tests(concurrency, input_text)context = 2048 * (2 ** i)print(f"测试 {i + 1}/{len(input_texts)} 完成，并发数为 {concurrency}，循环次数为 {loop_count}")result = {"设备": device,"模型": model,"上下文（输出+输出长度）": context,"并发": concurrency,"循环次数": loop_count,"并发请求总输出速率（tokens/s）": total_output_rate,"单个请求速率的平均": average_single_rate,"请求超时个数（超过60s的请求）": timeout_count}all_results.append(result)print(f"|{device}|{model}|{context}|{concurrency}|{loop_count}|{total_output_rate:.2f}|{average_single_rate:.2f}|{timeout_count}|")# 按并发数保存到 JSON 文件filename = f'{model}/test_results_concurrency_{concurrency}.json'with open(filename, 'w', encoding='utf-8') as f:json.dump(all_results, f, ensure_ascii=False, indent=4)logging.info(f"并发数为 {concurrency} 的测试结果已保存到 {filename}")if __name__ == "__main__":asyncio.run(main())- 新建统计脚本
vi statistic.py
# -*- coding: utf-8 -*-
# @Time : 2025/2/17 8:32
import json# 并发请求列表
concurrency_levels = [1, 4, 8, 16, 32, 64, 96, 128, 196]
version = 'deepseek-14b' # 此处对应配置文件中的 ModelDeployConfig.ModelConfig.modelName# 汇总所有结果
all_results = []
for concurrency in concurrency_levels:filename = f'{version}/test_results_concurrency_{concurrency}.json'try:with open(filename, 'r', encoding='utf-8') as f:results = json.load(f)all_results.extend(results)except FileNotFoundError:print(f"未找到文件 {filename}，请确保之前的测试已成功保存结果。")# 生成 Markdown 表格表头
markdown_table = "|设备|模型|上下文（输出+输出长度）|并发|循环次数|并发请求总输出速率（tokens/s）|单个请求速率的平均|请求超时个数（超过60s的请求）|\n"
markdown_table += "| ------| ------| --------| ------| ----------| ------------------| ----------| --------------|\n"# 填充表格内容
for result in all_results:markdown_table += f"|{result['设备']}|{result['模型']}|{result['上下文（输出+输出长度）']}|{result['并发']}|{result['循环次数']}|{result['并发请求总输出速率（tokens/s）']:.2f}|{result['单个请求速率的平均']:.2f}|{result['请求超时个数（超过60s的请求）']}|\n"# 输出 Markdown 表格
print(markdown_table)# 保存 Markdown 表格到文件
with open(f'{version}/summary_table.md', 'w', encoding='utf-8') as f:f.write(markdown_table)
报错
Operation not permitted
[root@pm-a813-005 bin]# ./mindieservice_daemon
terminate called after throwing an instance of 'system_error'what(): Operation not permitted
模型路径的权限设置错误
chmod -R 755 /path-to-weights
参考 mindie/README.md · Ascend/ascend-docker-image - Gitee.com
ConnectionRefusedError
[root@pm-a813-005 /]# vi /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json
[root@pm-a813-005 /]# cd /usr/local/Ascend/mindie/latest/mindie-service/bin
[root@pm-a813-005 bin]# ./mindieservice_daemon
...
Traceback (most recent call last):File "/usr/lib64/python3.11/multiprocessing/process.py", line 314, in _bootstrapself.run()File "/usr/lib64/python3.11/multiprocessing/process.py", line 108, in runself._target(*self._args, **self._kwargs)File "/usr/local/Ascend/ascend-toolkit/latest/python/site-packages/tbe/common/repository_manager/route.py", line 71, in wrapperraise expFile "/usr/local/Ascend/ascend-toolkit/latest/python/site-packages/tbe/common/repository_manager/route.py", line 63, in wrapperfunc(*args, **kwargs)File "/usr/local/Ascend/ascend-toolkit/latest/python/site-packages/tbe/common/repository_manager/route.py", line 268, in task_distributekey, func_name, detail = resource_proxy[TASK_QUEUE].get()^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^File "<string>", line 2, in getFile "/usr/lib64/python3.11/multiprocessing/managers.py", line 822, in _callmethodkind, result = conn.recv()^^^^^^^^^^^File "/usr/lib64/python3.11/multiprocessing/connection.py", line 250, in recvbuf = self._recv_bytes()^^^^^^^^^^^^^^^^^^File "/usr/lib64/python3.11/multiprocessing/connection.py", line 430, in _recv_bytesbuf = self._recv(4)^^^^^^^^^^^^^File "/usr/lib64/python3.11/multiprocessing/connection.py", line 395, in _recvchunk = read(handle, remaining)^^^^^^^^^^^^^^^^^^^^^^^
ConnectionResetError: [Errno 104] Connection reset by peer
/usr/lib64/python3.11/multiprocessing/resource_tracker.py:254: UserWarning: resource_tracker: There appear to be 30 leaked semaphore objects to clean up at shutdownwarnings.warn('resource_tracker: There appear to be %d '
/usr/lib64/python3.11/multiprocessing/resource_tracker.py:254: UserWarning: resource_tracker: There appear to be 30 leaked semaphore objects to clean up at shutdownwarnings.warn('resource_tracker: There appear to be %d '
Daemon is killing...
Killed当前镜像 和 宿主机服务器的 驱动版本不对应，前往官网换个镜像
引用pytorch
警告而已，影响不大
[root@pm-a813-005 atb-models]# python
Python 3.11.6 (main, Nov 27 2024, 18:16:08) [GCC 12.3.1 (openEuler 12.3.1-38.oe2403)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch>>> import torch_npu
/usr/local/lib64/python3.11/site-packages/torch_npu/__init__.py:248: UserWarning: On the interactive interface, the value of TASK_QUEUE_ENABLE is set to 0 by default. Do not set it to 1 to prevent some unknown errorswarnings.warn("On the interactive interface, the value of TASK_QUEUE_ENABLE is set to 0 by default. \
>>> the size of npuDeviceIds (subset) does not equal to worldSize
the size of npuDeviceIds (subset) does not equal to worldSize
ERR: Failed to init endpoint! Please check the service log or console output.
Killed此错误表明 npuDeviceIds（可能是 NPU 设备 ID 的子集）的数量与 worldSize 不匹配。在分布式计算的场景下，worldSize 通常代表参与计算的所有进程或设备的总数，而 npuDeviceIds 则是指定要使用的 NPU 设备的 ID 列表。当这两者的数量不一致时，就会触发该错误。
vi /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json
...
"BackendConfig" : {"backendName" : "mindieservice_llm_engine","modelInstanceNumber" : 1,"npuDeviceIds" : [[0]],....
"ModelConfig" : [{"modelInstanceType" : "Standard","modelName" : "deepseek-14b","modelWeightPath" : "/storage/llm/deepseek-ai/DeepSeek-R1-Distill-Qwen-14B","worldSize" : 1, # 此处数量要与 npuDeviceIds 一致
....
Failed to init endpoint
The serverConfig.kmcKsfMaster path is invalid by: The input file: ksfa is not a regular file or not exists
The serverConfig.kmcKsfStandby path is invalid by: The input file: ksfb is not a regular file or not exists
The serverConfig_.tlsCert path is invalid by: The input file: server.pem is not a regular file or not exists
ERR: serverConfig_.tlsCrlFiles file not exit .
The serverConfig_.tlsCaFile path is invalid by: The input file: ca.pem is not a regular file or not exists
The serverConfig_.tlsPk path is invalid by: The input file: server.key.pem is not a regular file or not exists
The serverConfig_.tlsPkPwd path is invalid by: The input file: key_pwd.txt is not a regular file or not exists
The ServerConfig.managementTlsCert path is invalid by: The input file: server.pem is not a regular file or not exists
The ServerConfig.managementTlsCrlPath path is not a dir by:
ERR: serverConfig_.managementTlsCrlFiles file not exit .
ERR: serverConfig_.managementTlsCaFile file not exit .
The ServerConfig.managementTlsPk path is invalid by: The input file: server.key.pem is not a regular file or not exists
The ServerConfig.managementTlsPkPwd path is invalid by: The input file: key_pwd.txt is not a regular file or not exists
ERR: Failed to init endpoint! Please check the service log or console output.
Killed解决方法就是取消https 启动服务
vi /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json
"ServerConfig" :{"ipAddress" : "127.0.0.1","managementIpAddress" : "127.0.0.2","port" : 1025,"managementPort" : 1026,"metricsPort" : 1027,"allowAllZeroIpListening" : false,"maxLinkNum" : 1000,"httpsEnabled" : false, # 设置为 false 不是用https
。。。
Please check the service log or console output.
ERR: Failed to init endpoint! Please check the service log or console output. Killed
实例启动太多 共享内存不够，导致日志写入失败
解决： 减少实例数量 或者增加 增加共享内存空间
docker run .... --shm-size=10g
其他查询指令
系统架构
uname -m
NPU 信息
npu-smi info
CANN 版本
- x86
cat /usr/local/Ascend/ascend-toolkit/latest/x86_64-linux/ascend_toolkit_install.info
- arm
cat /usr/local/Ascend/ascend-toolkit/latest/arm64-linux/ascend_toolkit_install.info
[root@pm-a813-005 /]# cat /usr/local/Ascend/ascend-toolkit/latest/arm64-linux/ascend_toolkit_install.info
package_name=Ascend-cann-toolkit
version=8.0.0
innerversion=V100R001C20SPC001B251
compatible_version=[V100R001C15],[V100R001C17],[V100R001C18],[V100R001C19],[V100R001C20]
arch=aarch64
os=linux
path=/usr/local/Ascend/ascend-toolkit/8.0.0/aarch64-linux基础环境搭建
获取CANN&MindIE安装包&环境准备
- Atlas 800I A2/Atlas 300I Duo/Atlas 300 V
- 环境准备指导
CANN安装
# 增加软件包可执行权限，{version}表示软件版本号，{arch}表示CPU架构，{soc}表示昇腾AI处理器的版本。
chmod +x ./Ascend-cann-toolkit_{version}_linux-{arch}.run
chmod +x ./Ascend-cann-kernels-{soc}_{version}_linux.run
# 校验软件包安装文件的一致性和完整性
./Ascend-cann-toolkit_{version}_linux-{arch}.run --check
./Ascend-cann-kernels-{soc}_{version}_linux.run --check
# 安装
./Ascend-cann-toolkit_{version}_linux-{arch}.run --install
./Ascend-cann-kernels-{soc}_{version}_linux.run --install# 设置环境变量
source /usr/local/Ascend/ascend-toolkit/set_env.shMindIE安装
# 增加软件包可执行权限，{version}表示软件版本号，{arch}表示CPU架构。
chmod +x ./Ascend-mindie_${version}_linux-${arch}.run
./Ascend-mindie_${version}_linux-${arch}.run --check# 方式一：默认路径安装
./Ascend-mindie_${version}_linux-${arch}.run --install
# 设置环境变量
cd /usr/local/Ascend/mindie && source set_env.sh# 方式二：指定路径安装
./Ascend-mindie_${version}_linux-${arch}.run --install-path=${AieInstallPath}
# 设置环境变量
cd ${AieInstallPath}/mindie && source set_env.shTorch_npu安装
下载 pytorch_v{pytorchversion}_py{pythonversion}.tar.gz
tar -xzvf pytorch_v{pytorchversion}_py{pythonversion}.tar.gz
# 解压后，会有whl包
pip install torch_npu-{pytorchversion}.xxxx.{arch}.whl
相关链接
- 模型库-ModelZoo-昇腾社区
- 模型库-魔搭社区
- https://modelers.cn/MindIE
- modelscope 魔搭社区模型下载
- mindie/README.md · Ascend/ascend-docker-image - Gitee.com
- 配置参数说明-快速开始-MindIE Service开发指南-服务化集成部署-MindIE1.0.RC2开发文档-昇腾社区
- 单机推理-配置MindIE Server-配置MindIE-MindIE安装指南-环境准备-MindIE1.0.RC2开发文档-昇腾社区
- DeepSeek-R1-Distill-Qwen-32B-模型库-ModelZoo-昇腾社区
- mindie镜像版本下载
- Altas产品查询CANN软件包版本的方法 - 华为
- npu-smi命令介绍（适用于1.0.11-1.0.15版本） - Atlas 300I 推理卡 用户指南（型号 3010）31 - 华为
-
昇腾模型库
-
MindIE官方文档
-
MindIE Service开发指南
-
DeepSeek-R1模型卡片
-
DeepSeek模型量化方法介绍
-
昇腾镜像仓库
-
量化技术白皮书
-
Ascend/ModelZoo-PyTorch
-
在线推理过程中可使用的环境变量配置
-
昇腾社区资源下载
-
CANN环境准备指导
-
DeepSeek 系列模型 华为昇腾官方教程
模型名称 安装教程 DeepSeek V3 DeepSeek-V3-模型库-ModelZoo-昇腾社区 DeepSeek R1 DeepSeek-R1-模型库-ModelZoo-昇腾社区 DeepSeek-R1-Distill-Qwen-1.5B DeepSeek-R1-Distill-Qwen-1.5B-模型库-ModelZoo-昇腾社区 DeepSeek-R1-Distill-Qwen-7B DeepSeek-R1-Distill-Qwen-7B-模型库-ModelZoo-昇腾社区 DeepSeek-R1-Distill-Llama-8B DeepSeek-R1-Distill-Llama-8B-模型库-ModelZoo-昇腾社区 DeepSeek-R1-Distill-Qwen-14B DeepSeek-R1-Distill-Qwen-14B-模型库-ModelZoo-昇腾社区 DeepSeek-R1-Distill-Qwen-32B DeepSeek-R1-Distill-Qwen-32B-模型库-ModelZoo-昇腾社区 DeepSeek-R1-Distill-Llama-70B DeepSeek-R1-Distill-Llama-70B-模型库-ModelZoo-昇腾社区 Janus-Pro-7B Janus-Pro-模型库-ModelZoo-昇腾社区
