华为昇腾910B部署DeepSeek-R1蒸馏系列模型详细指南

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 -south-1.myhuaweicloud /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 -south-1.myhuaweicloud /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 3.11torch 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: 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 1.0.0mindiebenchmark 1.0.0mindieclient 1.0.0mindiesd 1.0.0mindietorch 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 -south-1.myhuaweicloud /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 -south-1.myhuaweicloud /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ResourceParamcacheBlockSizeuint32_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。LogParamlogLevelstring"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"。logPathstring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"。ServeParamipAddressstringIPv4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"。managementIpAddressstringIPv4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"。portint32_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。managementPortint32_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。maxLinkNumuint32_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。httpsEnabledbooltruefalse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。tlsCaPathstring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/"。tlsCaFileset--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"]。tlsCertstring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"。tlsPkstring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"。tlsPkPwdstring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。tlsCrlstring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。managementTlsCaFileset--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"]。managementTlsCertstring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"。managementTlsPkstring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"。managementTlsPkPwdstring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。managementTlsCrlstring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。kmcKsMasterstring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"。kmcKsStandbystring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"。multiNodesInferPortuint32_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。interNodeTLSEnabledbooltruefalse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。interNodeTlsCaFilestring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"。interNodeTlsCertstring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"。interNodeTlsPkstring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"。interNodeTlsPkPwdstring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"。interNodeKmcKsfMasterstring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"。interNodeKmcKsfStandbystring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TemplateParamtemplateTypestring当前取值只能为："Standard"普通推理。必填，默认值："Standard"。templateNamestring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engineNamestring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"。modelInstanceNumberuint32_t[1, 10]模型实例个数。必填，默认值：1。tokenizerProcessNumberuint32_t[1, 32]tokenizer进程数。选填，默认值：8。maxSeqLenuint32_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。npuDeviceIdsset-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]]。multiNodesInferEnabledbooltruefalsefalse：单机推理。true：多机推理。选填，默认值：false。ModelParammodelInstanceTypestring"Standard""StandardMock"模型类型。"Standard"：普通推理。"StandardMock"：假模型。选填，默认值："Standard"。modelNamestring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"。modelWeightPathstring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。worldSizeuint32_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。cpuMemSizeuint32_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。npuMemSizeuint32_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。backendTypestring"atb""ms"对接的后端类型。必填，默认值："atb"。pluginParamsstring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maxPrefillBatchSizeuint32_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。maxPrefillTokensuint32_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。prefillTimeMsPerRequint32_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。prefillPolicyTypeuint32_t013prefill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。decodeTimeMsPerRequint32_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。decodePolicyTypeuint32_t013decode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。maxBatchSizeuint32_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。maxIterTimesuint32_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。maxPreemptCountint32_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。supportSelectBatchbooltruefalsebatch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。maxQueueDelayMicrosecondsuint32_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 * 8deepseek-14b20481133.0333.030910B3 * 8deepseek-14b40961131.9131.910910B3 * 8deepseek-14b81921131.0831.080910B3 * 8deepseek-14b204841101.6332.930910B3 * 8deepseek-14b409641113.4331.980910B3 * 8deepseek-14b81924194.8631.110910B3 * 8deepseek-14b204881213.0531.990910B3 * 8deepseek-14b409681185.0830.090910B3 * 8deepseek-14b819281154.0829.450910B3 * 8deepseek-14b2048161284.9931.000910B3 * 8deepseek-14b4096161279.6029.440910B3 * 8deepseek-14b8192161346.7827.920910B3 * 8deepseek-14b2048321579.9829.460910B3 * 8deepseek-14b4096321575.0826.800910B3 * 8deepseek-14b8192321560.2924.920910B3 * 8deepseek-14b2048641932.1524.590910B3 * 8deepseek-14b40966411118.5924.520910B3 * 8deepseek-14b8192641816.2121.982910B3 * 8deepseek-14b20489611294.4525.580910B3 * 8deepseek-14b40969611437.1521.762910B3 * 8deepseek-14b81929611291.1718.785910B3 * 8deepseek-14b204812811307.5320.165910B3 * 8deepseek-14b409612811560.0016.8128910B3 * 8deepseek-14b819212811348.4113.0637910B3 * 8deepseek-14b204819611417.7612.3077910B3 * 8deepseek-14b40961961404.822.84171910B3 * 8deepseek-14b81921961521.182.94162 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 * 8deepseek-32b20481127.6427.640910B3 * 8deepseek-32b40961126.4326.430910B3 * 8deepseek-32b81921125.0925.090910B3 * 8deepseek-32b20484180.3126.230910B3 * 8deepseek-32b40964167.8623.030910B3 * 8deepseek-32b81924181.5423.390910B3 * 8deepseek-32b204881147.1523.170910B3 * 8deepseek-32b409681131.0622.090910B3 * 8deepseek-32b819281123.2320.390910B3 * 8deepseek-32b2048161279.6921.080910B3 * 8deepseek-32b4096161161.0819.832910B3 * 8deepseek-32b8192161223.3619.380910B3 * 8deepseek-32b2048321312.5421.060910B3 * 8deepseek-32b4096321367.0318.931910B3 * 8deepseek-32b8192321273.4318.205910B3 * 8deepseek-32b2048641762.2620.520910B3 * 8deepseek-32b4096641521.3216.756910B3 * 8deepseek-32b8192641442.4314.4815910B3 * 8deepseek-32b2048961866.9718.461910B3 * 8deepseek-32b4096961905.7511.6520910B3 * 8deepseek-32b8192961471.275.5950910B3 * 8deepseek-32b20481281522.607.0075910B3 * 8deepseek-32b40961281117.510.99118910B3 * 8deepseek-32b819212810.000.00128910B3 * 8deepseek-32b204819611345.3214.6991910B3 * 8deepseek-32b40961961925.3011.43146910B3 * 8deepseek-32b81921961755.339.04166

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.pypython statistic.py 新建请求脚本

vi model_request_test.py

# -*- coding: utf-8 -*- # @Time : 2025/2/14 14:29 import os.path import 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.modelName if 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 = 0 async 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 pletion.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 += 1 except (json.JSONDecodeError, UnicodeDecodeError): continue end_time = time.time() elapsed_time = end_time - start_time print(f"elapsed_time: 0.0614") output_rate = output_tokens / elapsed_time if elapsed_time > 0 else 0 logging.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_rate except asyncio.TimeoutError: logging.warning("单个请求超时") return 0, 60, 0 except Exception as e: print(f"ERROR: {e}") return 0, 60, 0 async 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 0 average_single_rate = sum([result[2] for result in results]) / concurrency timeout_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_count async 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

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 _bootstrap self.run() File "/usr/lib64/python3.11/multiprocessing/process.py", line 108, in run self._target(*self._args, **self._kwargs) File "/usr/local/Ascend/ascend-toolkit/latest/python/site-packages/tbe/common/repository_manager/route.py", line 71, in wrapper raise exp File "/usr/local/Ascend/ascend-toolkit/latest/python/site-packages/tbe/common/repository_manager/route.py", line 63, in wrapper func(*args, **kwargs) File "/usr/local/Ascend/ascend-toolkit/latest/python/site-packages/tbe/common/repository_manager/route.py", line 268, in task_distribute key, func_name, detail = resource_proxy[TASK_QUEUE].get() ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "<string>", line 2, in get File "/usr/lib64/python3.11/multiprocessing/managers.py", line 822, in _callmethod kind, result = conn.recv() ^^^^^^^^^^^ File "/usr/lib64/python3.11/multiprocessing/connection.py", line 250, in recv buf = self._recv_bytes() ^^^^^^^^^^^^^^^^^^ File "/usr/lib64/python3.11/multiprocessing/connection.py", line 430, in _recv_bytes buf = self._recv(4) ^^^^^^^^^^^^^ File "/usr/lib64/python3.11/multiprocessing/connection.py", line 395, in _recv chunk = 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 shutdown warnings.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 shutdown warnings.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 errors warnings.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.sh MindIE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.sh Torch_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 modelers /MindIEmodelscope 魔搭社区模型下载mindie/README.md · Ascend/ascend-docker-image - Gitee 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 V3DeepSeek-V3-模型库-ModelZoo-昇腾社区DeepSeek R1DeepSeek-R1-模型库-ModelZoo-昇腾社区DeepSeek-R1-Distill-Qwen-1.5BDeepSeek-R1-Distill-Qwen-1.5B-模型库-ModelZoo-昇腾社区DeepSeek-R1-Distill-Qwen-7BDeepSeek-R1-Distill-Qwen-7B-模型库-ModelZoo-昇腾社区DeepSeek-R1-Distill-Llama-8BDeepSeek-R1-Distill-Llama-8B-模型库-ModelZoo-昇腾社区DeepSeek-R1-Distill-Qwen-14BDeepSeek-R1-Distill-Qwen-14B-模型库-ModelZoo-昇腾社区DeepSeek-R1-Distill-Qwen-32BDeepSeek-R1-Distill-Qwen-32B-模型库-ModelZoo-昇腾社区DeepSeek-R1-Distill-Llama-70BDeepSeek-R1-Distill-Llama-70B-模型库-ModelZoo-昇腾社区Janus-Pro-7BJanus-Pro-模型库-ModelZoo-昇腾社区