02-大模型部署之Kubernetes+vLLM安装大模型和容器调度

news2026/3/19 8:18:46
02-大模型部署之KubernetesvLLM安装大模型和容器调度1. Kubernetes基础与vLLM集成概述1.1 为什么使用Kubernetes部署vLLMKubernetes提供了企业级的容器编排能力特别适合vLLM部署的以下场景弹性伸缩根据负载自动调整vLLM实例数量高可用性自动故障恢复和负载均衡资源管理精细化的GPU资源分配和调度多租户隔离不同模型或用户之间的资源隔离版本管理无缝的模型版本升级和回滚1.2 Kubernetes与vLLM架构┌─────────────────────────────────────────────────────────────┐ │ Kubernetes集群 │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ Master节点 │ │ Worker节点1 │ │ Worker节点2 │ │ │ │ │ │ │ │ │ │ │ │ API Server │ │ vLLM Pod 1 │ │ vLLM Pod 2 │ │ │ │ Scheduler │ │ (GPU 0,1) │ │ (GPU 2,3) │ │ │ │ Controller │ │ │ │ │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ └─────────────────────────────────────────────────────────────┘2. 环境准备与依赖安装2.1 Kubernetes集群要求硬件要求Master节点至少2 CPU4GB内存Worker节点至少4 CPU16GB内存1-2张NVIDIA GPU网络节点间万兆网络推荐软件要求Kubernetes 1.24NVIDIA GPU OperatorContainer Runtime (containerd或Docker)kubectl命令行工具2.2 NVIDIA GPU Operator安装# 添加NVIDIA Helm仓库helm repoaddnvidia https://nvidia.github.io/gpu-operator helm repo update# 安装GPU Operatorhelminstallgpu-operator nvidia/gpu-operator\--namespacegpu-operator\--create-namespace\--setdriver.enabledtrue\--settoolkit.enabledtrue\--setdevicePlugin.enabledtrue2.3 验证GPU资源# 检查GPU节点kubectl get nodes-lgputrue# 查看GPU资源kubectl describenodeworker-node-name|grep-igpu# 验证NVIDIA设备插件kubectl get pods-ngpu-operator3. vLLM容器镜像构建3.1 基础DockerfileFROM nvidia/cuda:11.8-devel-ubuntu20.04 # 设置环境变量 ENV DEBIAN_FRONTENDnoninteractive ENV PYTHONUNBUFFERED1 # 安装系统依赖 RUN apt-get update apt-get install -y \ python3.9 \ python3.9-pip \ python3.9-dev \ git \ wget \ rm -rf /var/lib/apt/lists/* # 创建软链接 RUN ln -s /usr/bin/python3.9 /usr/bin/python \ ln -s /usr/bin/pip3 /usr/bin/pip # 升级pip RUN pip install --upgrade pip # 安装vLLM RUN pip install vllm0.2.5 torch2.0.1 # 创建应用目录 WORKDIR /app # 复制启动脚本 COPY start_vllm.sh /app/ RUN chmod x /app/start_vllm.sh # 暴露端口 EXPOSE 8000 # 启动命令 CMD [/app/start_vllm.sh]3.2 启动脚本 (start_vllm.sh)#!/bin/bash# 设置模型路径MODEL_PATH${MODEL_PATH:-meta-llama/Llama-2-7b-chat-hf}# 设置GPU内存使用率GPU_MEMORY_UTILIZATION${GPU_MEMORY_UTILIZATION:-0.9}# 设置张量并行大小TENSOR_PARALLEL_SIZE${TENSOR_PARALLEL_SIZE:-1}# 启动vLLM API服务器python-mvllm.entrypoints.api_server\--model${MODEL_PATH}\--host0.0.0.0\--port8000\--gpu-memory-utilization${GPU_MEMORY_UTILIZATION}\--tensor-parallel-size${TENSOR_PARALLEL_SIZE}\--max-num-batched-tokens8192\--max-num-seqs2563.3 构建和推送镜像# 构建镜像dockerbuild-tyour-registry/vllm-server:latest.# 推送到镜像仓库dockerpush your-registry/vllm-server:latest4. Kubernetes资源配置4.1 Namespace创建# namespace.yamlapiVersion:v1kind:Namespacemetadata:name:vllm4.2 ConfigMap配置# configmap.yamlapiVersion:v1kind:ConfigMapmetadata:name:vllm-confignamespace:vllmdata:MODEL_PATH:meta-llama/Llama-2-7b-chat-hfGPU_MEMORY_UTILIZATION:0.85TENSOR_PARALLEL_SIZE:1MAX_NUM_BATCHED_TOKENS:8192MAX_NUM_SEQS:2564.3 Secret配置用于模型访问# secret.yamlapiVersion:v1kind:Secretmetadata:name:huggingface-secretnamespace:vllmtype:Opaquedata:# echo -n your-huggingface-token | base64HF_TOKEN:eW91ci1odWdnaW5nZmFjZS10b2tlbg4.4 PVC配置用于模型缓存# pvc.yamlapiVersion:v1kind:PersistentVolumeClaimmetadata:name:vllm-model-cachenamespace:vllmspec:accessModes:-ReadWriteOnceresources:requests:storage:100GistorageClassName:fast-ssd4.5 Deployment配置# deployment.yamlapiVersion:apps/v1kind:Deploymentmetadata:name:vllm-deploymentnamespace:vllmspec:replicas:2selector:matchLabels:app:vllmtemplate:metadata:labels:app:vllmspec:nodeSelector:gpu:truecontainers:-name:vllm-containerimage:your-registry/vllm-server:latestimagePullPolicy:Alwaysports:-containerPort:8000env:-name:MODEL_PATHvalueFrom:configMapKeyRef:name:vllm-configkey:MODEL_PATH-name:GPU_MEMORY_UTILIZATIONvalueFrom:configMapKeyRef:name:vllm-configkey:GPU_MEMORY_UTILIZATION-name:TENSOR_PARALLEL_SIZEvalueFrom:configMapKeyRef:name:vllm-configkey:TENSOR_PARALLEL_SIZE-name:HF_TOKENvalueFrom:secretKeyRef:name:huggingface-secretkey:HF_TOKENresources:requests:nvidia.com/gpu:1memory:16Gicpu:4limits:nvidia.com/gpu:1memory:32Gicpu:8volumeMounts:-name:model-cachemountPath:/root/.cache/huggingfacereadinessProbe:httpGet:path:/healthport:8000initialDelaySeconds:60periodSeconds:10livenessProbe:httpGet:path:/healthport:8000initialDelaySeconds:120periodSeconds:30volumes:-name:model-cachepersistentVolumeClaim:claimName:vllm-model-cachetolerations:-key:nvidia.com/gpuoperator:Existseffect:NoSchedule4.6 Service配置# service.yamlapiVersion:v1kind:Servicemetadata:name:vllm-servicenamespace:vllmspec:selector:app:vllmports:-port:80targetPort:8000protocol:TCPtype:ClusterIP4.7 Ingress配置# ingress.yamlapiVersion:networking.k8s.io/v1kind:Ingressmetadata:name:vllm-ingressnamespace:vllmannotations:nginx.ingress.kubernetes.io/rewrite-target:/nginx.ingress.kubernetes.io/proxy-body-size:100mspec:rules:-host:vllm.example.comhttp:paths:-path:/pathType:Prefixbackend:service:name:vllm-serviceport:number:805. 部署与管理5.1 部署vLLM服务# 创建命名空间kubectl apply-fnamespace.yaml# 应用配置kubectl apply-fconfigmap.yaml kubectl apply-fsecret.yaml kubectl apply-fpvc.yaml# 部署应用kubectl apply-fdeployment.yaml kubectl apply-fservice.yaml kubectl apply-fingress.yaml# 检查部署状态kubectl get pods-nvllm kubectl get services-nvllm5.2 扩缩容操作手动扩缩容# 扩容到3个副本kubectl scale deployment vllm-deployment--replicas3-nvllm# 缩容到1个副本kubectl scale deployment vllm-deployment--replicas1-nvllm自动扩缩容配置# hpa.yamlapiVersion:autoscaling/v2kind:HorizontalPodAutoscalermetadata:name:vllm-hpanamespace:vllmspec:scaleTargetRef:apiVersion:apps/v1kind:Deploymentname:vllm-deploymentminReplicas:1maxReplicas:10metrics:-type:Resourceresource:name:cputarget:type:UtilizationaverageUtilization:70-type:Resourceresource:name:memorytarget:type:UtilizationaverageUtilization:805.3 滚动更新# 更新镜像版本kubectlsetimage deployment/vllm-deployment\vllm-containeryour-registry/vllm-server:v2.0-nvllm# 查看更新状态kubectl rollout status deployment/vllm-deployment-nvllm# 回滚到上一版本kubectl rollout undo deployment/vllm-deployment-nvllm6. 监控与日志6.1 Prometheus监控配置# servicemonitor.yamlapiVersion:monitoring.coreos.com/v1kind:ServiceMonitormetadata:name:vllm-monitornamespace:vllmspec:selector:matchLabels:app:vllmendpoints:-port:httppath:/metricsinterval:30s6.2 日志收集# fluentd-config.yamlapiVersion:v1kind:ConfigMapmetadata:name:fluentd-confignamespace:vllmdata:fluent.conf:|source type tail path /var/log/containers/*vllm*.log pos_file /var/log/fluentd-vllm.log.pos tag kubernetes.* format json /sourcematch kubernetes.**type elasticsearch host elasticsearch.logging.svc.cluster.local port 9200 index_name vllm-logs /match6.3 健康检查端点# 在vLLM容器中添加健康检查端点fromflaskimportFlask,jsonifyimportpsutil appFlask(__name__)app.route(/health)defhealth_check():健康检查端点try:# 检查GPU状态importtorch gpu_availabletorch.cuda.is_available()gpu_memory_usedtorch.cuda.memory_allocated()/1024**3ifgpu_availableelse0# 检查系统资源cpu_percentpsutil.cpu_percent()memory_percentpsutil.virtual_memory().percentreturnjsonify({status:healthy,gpu_available:gpu_available,gpu_memory_used_gb:gpu_memory_used,cpu_percent:cpu_percent,memory_percent:memory_percent})exceptExceptionase:returnjsonify({status:unhealthy,error:str(e)}),500if__name____main__:app.run(host0.0.0.0,port8001)7. 故障排查7.1 常见问题GPU资源不足# 检查GPU资源分配kubectl describe podpod-name-nvllm# 检查GPU节点资源kubectltopnodes kubectl describenodenode-name模型加载失败# 查看Pod日志kubectl logspod-name-nvllm# 进入容器调试kubectlexec-itpod-name-nvllm -- /bin/bash网络连接问题# 测试服务连通性kubectl run test-pod--imagebusybox--rm-it-- /bin/sh# 在测试Pod中执行wget-qO- http://vllm-service.vllm.svc.cluster.local/health7.2 性能调优资源限制优化resources:requests:nvidia.com/gpu:1memory:24Gi# 根据模型大小调整cpu:6limits:nvidia.com/gpu:1memory:48Gi# 避免OOMcpu:12调度策略优化# 使用节点亲和性spec:affinity:nodeAffinity:requiredDuringSchedulingIgnoredDuringExecution:nodeSelectorTerms:-matchExpressions:-key:gpu-typeoperator:Invalues:[A100,V100]8. 最佳实践8.1 安全配置镜像安全使用最小化基础镜像网络策略限制Pod间通信RBAC最小权限原则密钥管理使用Kubernetes Secret管理敏感信息8.2 成本优化资源配额合理设置资源请求和限制节点池使用GPU专用节点池自动扩缩容根据负载动态调整实例数Spot实例非关键服务使用Spot实例8.3 运维建议版本管理使用Git管理Kubernetes配置渐进式部署使用金丝雀发布策略备份策略定期备份重要配置和数据文档维护保持部署文档的及时更新通过以上配置和实践可以在Kubernetes环境中成功部署和管理vLLM大语言模型服务实现高可用、可扩展的模型推理能力。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2425752.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…