75 lines
2.8 KiB
Markdown
75 lines
2.8 KiB
Markdown
|
# PD分离
|
|||
|
|
## 背景
|
|||
|
|
LLM在线推理服务通常需要满足TTFT和TPOT两项性能指标，而传统的Contiguous Batching调度策略将Prefill和Decode请求混合在一起调度，导致P和D会互相抢占计算资源，影响性能指标无法最大程度的利用计算资源。为解决上述矛盾，将Prefill和Decode两阶段拆分到独立的计算资源并行执行，从而同时降低TTFT和TPOT并提升吞吐量。
|
|||
|
|
## 功能介绍
|
|||
|
|
xLLM PD分离功能主要通过以下三个模块实现：
|
|||
|
|
|
|||
|
|
- **etcd**: 存储实例信息等元数据
|
|||
|
|
- **xLLM Service**: 调度请求和管理所有计算实例
|
|||
|
|
- **xLLM**: 请求计算实例
|
|||
|
|
|
|||
|
|
整体架构图如下：
|
|||
|
|
|
|||
|
|
## 功能使用示例
|
|||
|
|
### 使用准备
|
|||
|
|
#### 安装相关依赖
|
|||
|
|
- **xLLM**: 参见[安装编译](../getting_started/quick_start.md)
|
|||
|
|
- **xLLM Service**: 参见[PD分离部署](../getting_started/disagg_pd.md)
|
|||
|
|
|
|||
|
|
### 启动PD分离服务
|
|||
|
|
1. 启动etcd
|
|||
|
|
```
|
|||
|
|
./etcd
|
|||
|
|
```
|
|||
|
|
2. 启动xLLM Service
|
|||
|
|
```bash
|
|||
|
|
ENABLE_DECODE_RESPONSE_TO_SERVICE=true ./xllm_master_serving --etcd_addr="127.0.0.1:12389" --http_server_port 28888 --rpc_server_port 28889 --tokenizer_path=/path/to/tokenizer_config_dir/
|
|||
|
|
```
|
|||
|
|
3. 启动xLLM
|
|||
|
|
|
|||
|
|
4. 以Qwen2-7B为例
|
|||
|
|
- 启动Prefill实例
|
|||
|
|
```bash
|
|||
|
|
/path/to/xllm --model=Qwen2-7B-Instruct \
|
|||
|
|
--port=8010 \
|
|||
|
|
--devices="npu:0" \
|
|||
|
|
--master_node_addr="127.0.0.1:18888" \
|
|||
|
|
--enable_prefix_cache=false \
|
|||
|
|
--enable_chunked_prefill=false \
|
|||
|
|
--enable_disagg_pd=true \
|
|||
|
|
--instance_role=PREFILL \
|
|||
|
|
--etcd_addr=127.0.0.1:12389 \
|
|||
|
|
--transfer_listen_port=26000 \
|
|||
|
|
--disagg_pd_port=7777 \
|
|||
|
|
--node_rank=0 \
|
|||
|
|
--nnodes=1
|
|||
|
|
```
|
|||
|
|
- 启动Decode实例
|
|||
|
|
```bash
|
|||
|
|
/path/to/xllm --model=Qwen2-7B-Instruct \
|
|||
|
|
--port=8020 \
|
|||
|
|
--devices="npu:1" \
|
|||
|
|
--master_node_addr="127.0.0.1:18898" \
|
|||
|
|
--enable_prefix_cache=false \
|
|||
|
|
--enable_chunked_prefill=false \
|
|||
|
|
--enable_disagg_pd=true \
|
|||
|
|
--instance_role=DECODE \
|
|||
|
|
--etcd_addr=127.0.0.1:12389 \
|
|||
|
|
--transfer_listen_port=26100 \
|
|||
|
|
--disagg_pd_port=7787 \
|
|||
|
|
--node_rank=0 \
|
|||
|
|
--nnodes=1
|
|||
|
|
```
|
|||
|
|
需要注意：
|
|||
|
|
|
|||
|
|
- PD分离需要读取`/etc/hccn.conf`文件，确保将物理机上的该文件映射到了容器中
|
|||
|
|
|
|||
|
|
- `etcd_addr`需与`xllm_service`的`etcd_addr`相同
|
|||
|
|
|
|||
|
|
!!! warning "注意事项"
|
|||
|
|
PD分离目前不支持开启prefix cache及chunked prefill功能，需要通过以下参数关闭
|
|||
|
|
``` shell
|
|||
|
|
--enable_prefix_cache=false
|
|||
|
|
--enable_chunked_prefill=false
|
|||
|
|
```
|