LLMs之DeepSeek：DeepSeek-V3/R1推理系统的架构设计和性能统计的简介、细节分析之详细攻略

LLMs之DeepSeek：DeepSeek-V3/R1推理系统的架构设计和性能统计的简介、细节分析之详细攻略

目录

DeepSeek-V3/R1推理系统的架构设计

1、大规模跨节点专家并行 (EP)

2、计算-通信重叠

3、负载均衡

4、在线推理系统图

---

DeepSeek-V3/R1推理系统的架构设计

2025年3月1日，DeepSeek-V3/R1推理系统的设计目标是实现高吞吐量和低延迟。为了达到这2个目标，系统采用了跨节点专家并行（EP）策略： >> 专家并行 (EP)：通过将专家分配到不同的GPU上，显著提高批量大小，从而提升GPU矩阵计算效率，提高吞吐量；同时，每个GPU只处理少量专家，减少内存访问需求，降低延迟。 >> EP的挑战性：EP增加了系统复杂性，主要体现在跨节点通信和负载均衡两个方面。 跨节点通信需要设计合适的计算流程来重叠计算和通信；多节点参与需要数据并行 (DP) 和不同DP实例之间的负载均衡。

DeepSeek-V3/R1推理系统通过巧妙地运用专家并行、计算-通信重叠和多层次负载均衡策略，在保证低延迟的同时实现了高吞吐量，并展现了良好的经济效益。

GitHub地址：open-infra-index/202502OpenSourceWeek/day_6_one_more_thing_deepseekV3R1_inference_system_overview.md at main · deepseek-ai/open-infra-index · GitHub

1、大规模跨节点专家并行 (EP)

DeepSeek-V3/R1模型具有高稀疏性（每层256 位专家中只有8个专家被激活），因此需要极大的批量大小来保证每个专家的足够批量，从而实现高吞吐量和低延迟。 系统采用了预填充-解码解耦架构，在预填充和解码阶段使用不同程度的并行化： >> 预填充阶段：使用路由专家EP32和MLA/共享专家DP32，每个部署单元包含4个节点和32个冗余路由专家，其中每个GPU处理9个路由专家和1个共享专家。 >> 解码阶段：使用路由专家EP144和MLA/共享专家DP144，每个部署单元包含18个节点和32个冗余路由专家，其中每个GPU处理2个路由专家和1个共享专家。

2、计算-通信重叠

大规模跨节点EP会带来显著的通信开销。为了缓解这个问题，系统采用了双批次重叠策略：将请求批次分成两个微批次，交替执行，隐藏一个微批次的通信成本在另一个微批次的计算中。 >> 预填充阶段：预填充阶段采用这种双微批次交替执行策略； >> 解码阶段：解码阶段由于不同阶段的执行时间不平衡，将注意力层细分为两步，并使用5级流水线来实现计算通信的无缝重叠。

github /deepseek-ai/profile-data通信计算重叠机制的更多详细信息： github /deepseek-ai/profile-data

3、负载均衡

大规模并行（包括DP和EP）带来了负载不均衡的挑战，如果单个 GPU 的计算或通信负荷过重，它就会成为性能瓶颈，导致整个系统变慢，同时使其他 GPU 处于闲置状态。为了最大化资源利用率，系统在三个层次上进行了负载均衡： >> 预填充负载均衡器：解决请求数量和序列长度在不同DP实例之间变化导致的核心注意力计算和调度发送负载不均衡问题。目标是平衡核心注意力计算和GPU的输入token数量。 >> 解码负载均衡器：解决请求数量和序列长度在不同DP实例之间变化导致的核心注意力计算（与KVCache使用相关）和调度发送负载不均衡问题。目标是平衡KVCache使用和GPU的请求数量。 >> 专家并行负载均衡器：解决高负载专家导致不同GPU之间专家计算工作负载不均衡的问题。目标是平衡每个GPU上的专家计算。

4、在线推理系统图

所有DeepSeek-V3/R1推理服务都在H800 GPU上运行，精度与训练一致（矩阵乘法和调度传输使用FP8，核心MLA计算和组合传输使用BF16）。 系统根据昼夜服务负载变化动态调整部署节点数量。

此外，由于白天服务负载高，夜间负载低，我们实施了在白天高峰时段在所有节点部署推理服务的机制。在夜间负载低的时段，我们减少推理节点并将资源分配给研究和训练。在过去24小时内（UTC+8 2025年2月27日下午12点到2025年2月28日下午12点）：

● 峰值节点占用率：278个节点 ● 平均节点占用率：226.75个节点（每个节点包含8个H800 GPU） ● 总输入token：6080亿，其中3420亿(56.3%)命中磁盘KV缓存 ● 总输出token：1680亿，平均输出速度为每秒20-22个token ● 平均每个输出token的KV缓存长度：4989个token ● 每个H800节点的平均吞吐量：预填充阶段约73.7k tokens/s输入，解码阶段约14.8k tokens/s输出 ● 日总成本：约87072美元 ● 理论日总收入 (按DeepSeek-R1定价计算)：约562027美元，利润率545% (实际收入由于定价策略和非货币化服务等原因远低于此)。