文档HOT
下载
中文
注册

配置参数说明

配置项取值请参考《MindIE安装指南》中“配置MindIE > 配置MindIE Server > 单机推理”章节的步骤3。系统读取配置文件时，会先校验文件大小，若文件大小范围不在(0MB, 10MB]，将读取失败。

配置文件参数说明

配置项

取值类型

取值范围

配置说明

Version

std::string

"1.0.0"

标注配置文件版本，当前版本指定为1.0.0，不支持修改。

LogConfig

map

-

日志相关配置。详情请参见LogConfig参数说明。

ServerConfig

map

-

服务端相关配置，例如ip:port、网络请求、网络安全等。详情请参见ServerConfig参数说明。

BackendConfig

map

-

模型后端相关配置，包含调度、模型相关配置。详情请参见BackendConfig参数说明。

LogConfig参数说明

配置项

取值类型

取值范围

配置说明

logLevel

std::string
  • "Verbose"
  • "Info"
  • "Warning"
  • "Warn"
  • "Error"
  • "Debug"
  • "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。
  • "Warn"：打印Warning和Error级别的日志。
  • "Error"：打印Error级别的日志。
  • "Debug"：打印Verbose、Info、Warning和Error级别的日志。

必填，默认值："Info"。

此配置不感知大小写、支持热更新。

logFileSize

uint32_t

[0, 500]

日志最大文件大小，单位MB。

取值为0时表示不产生日志。

选填，默认值：20。

logFileNum

uint32_t

[0, 64]

历史日志文件最多保存数量。

取值为0时表示不产生日志。

选填，默认值：20。

logPath

std::string

日志文件路径，长度<=4096。

日志路径设置限制与操作系统有关，且会受到spdlog三方库约束。因此建议配置的最大长度为1024，且符合目录规范。

支持绝对路径和相对路径。如果配置为相对路径，则代码中会取安装目录，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/”，当logPath=“logs/mindservice.log”，则其实际日志生成路径为“/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。

必填，默认值："logs/mindservice.log"。

ServerConfig参数说明

配置项

取值类型

取值范围

配置说明

ipAddress

std::string

IPv4地址。

EndPoint提供的业务面RESTful接口绑定的IP地址。

  • 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"。

说明：

全零侦听会导致三面隔离失效，不满足安全配置要求，故默认禁止绑定IP地址为0.0.0.0。若仍需绑定IP地址为0.0.0.0，那么在保证安全前提下，需要将配置文件中的“allowAllZeroIpListening”设置为true。

managementIpAddress

std::string

IPv4地址。

EndPoint提供的管理面RESTful接口绑定的IP地址。

  • 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“managementIpAddress”的初始值都需要做相应的修改。

选填，默认值："127.0.0.2"。

说明：

全零侦听会导致三面隔离失效，不满足安全配置要求，故默认禁止绑定IP地址为0.0.0.0。若仍需绑定IP地址为0.0.0.0，那么在保证安全前提下，需要将配置文件中的“allowAllZeroIpListening”设置为true。

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（管理面接口请参见表1）接口绑定的端口号。

业务面与管理面可采用四种方案：
  • 多IP地址多端口号（推荐）
  • 多IP地址单端口号
  • 单IP地址多端口号
  • 单IP地址单端口号

选填，默认值：1026。

metricsPort

int32_t

[1024, 65535]

服务监控指标接口（普罗格式）端口号。可以与“managementPort”值相同或不同。

选填，默认值：1027。

allowAllZeroIpListening

bool
  • true
  • false

是否支持全零侦听IP配置。

  • true：支持全零侦听IP配置。
  • false：不支持全零侦听IP配置。

必填，默认值：false，建议值：false。取值为true时，会存在全零侦听风险，用户环境需要自行保证具备全零侦听的防护能力。

maxLinkNum

uint32_t

[1, 1000]

RESTful接口请求并发处理数，EndPoint支持的最大并发请求处理数。

表示有maxLinkNum个请求正在并发处理，此外有2*maxLinkNum个请求在队列中等待。因此第3*maxLinkNum+1个请求会被拒绝。

必填，默认值：1000。

httpsEnabled

bool
  • true
  • false

是否开启HTTPS通信安全认证。

  • 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。

fullTextEnabled

bool
  • true
  • false

是否开启流式接口全量返回历史结果。

  • true：开启流式接口全量返回历史结果。
  • false：关闭流式接口全量返回历史结果。

选填，默认值：false。

tlsCaPath

std::string

文件绝对路径长度范围为[1,4096]。实际路径为工程路径+tlsCaPath。

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

std::set<std::string>

文件绝对路径长度范围为[1,4096]。列表元素个数最小为1，最大为3。

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

std::string

文件绝对路径长度范围为[1,4096]。实际路径为工程路径+tlsCert。

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

std::string

文件绝对路径长度范围为[1,4096]。实际路径为工程路径+tlsPk。

业务面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，证书私钥的长度要求>=3072。

“httpsEnabled”=true生效，生效后必填，默认值："security/keys/server.key.pem"。

tlsPkPwd

std::string

文件绝对路径长度范围为[0,4096]。实际路径为工程路径+tlsPkPwd。

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。

tlsCrlPath

std::string

tlsCrlPath+tlsCrlFiles路径长度范围为[0,4096]。实际路径为工程路径+tlsCrlPath。

业务面服务证书吊销列表文件夹路径，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/certs/"。
  • “httpsEnabled”=false不启用吊销列表。

tlsCrlFiles

std::set<std::string>

tlsCrlPath+tlsCrlFiles路径长度范围为[1,4096]。列表元素个数最小为1，最大为3。

业务面吊销列表名称列表。

“httpsEnabled”=true生效，生效后选填，默认值：["server_crl.pem"]。

managementTlsCaFile

std::set<std::string>

建议tlsCaPath+managementTlsCaFile路径长度范围为[0,4096]。列表元素个数最小为1，最大为3。

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

std::string

文件路径长度范围为[1,4096]。实际路径为工程路径+managementTlsCert。

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

std::string

文件路径长度范围为[1,4096]。实际路径为工程路径+managementTlsPk。

管理面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，证书私钥的长度要求>=3072。

“httpsEnabled”=true且“ipAddress”!=“managementIpAddress”生效，生效后必填，默认值："security/keys/management/server.key.pem"。

managementTlsPkPwd

std::string

文件路径长度范围为[0,4096]。实际路径为工程路径+managementTlsPkPwd。

管理面服务证书私钥加密密钥文件路径。

“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。

managementTlsCrlPath

std::string

managementTlsCrlPath+managementTlsCrlFiles路径长度范围为[1,4096]。实际路径为工程路径+managementTlsCrlPath。

管理面证书吊销列表文件夹路径，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/management/certs/"。
  • “httpsEnabled”=false不启用吊销列表。

managementTlsCrlFiles

std::set<std::string>

managementTlsCrlPath+managementTlsCrlFiles路径长度范围为[1,4096]。列表元素个数最小为1，最大为3。

管理面吊销列表名称列表。

“httpsEnabled”=true生效，生效后选填，默认值：["server_crl.pem"]。

kmcKsfMaster

std::string

文件路径长度范围为[1,4096]。实际路径为工程路径+kmcKsMaster。

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"。

kmcKsfStandby

std::string

文件路径长度范围为[1,4096]。实际路径为工程路径+kmcKsStandby1。

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"。

inferMode

std::string
  • standard
  • dmi

标识是否PD分离。

  • standard：表示PD混部模式；
  • dmi：表示PD分离模式。

默认值：standard。

interCommTLSEnabled

bool
  • true
  • false

集群内部实例间的通信是否启用TLS。

  • true：启用
  • false：不启用

选填，默认值：true，需要配置证书相关内容。

取值为false或“inferMode”为“standard”时，忽略后续集群内部通信相关参数。

interCommPort

uint16_t

[1024, 65535]

集群内部实例间的通信端口。

选填，默认值：1121。

interCommTlsCaPath

std::string

interCommTlsCaPath+interCommTlsCaFiles路径长度取决于操作系统配置（Linux为PATH_MAX）。实际路径为工程路径+interCommTlsCaPath。

集群内部实例间的通信如果启用TLS，则使用此参数指定CA文件所在路径。

选填，默认值："security/grpc/ca/"。

interCommTlsCaFiles

std::set<std::string>

interCommTlsCaPath+interCommTlsCaFiles路径长度取决于操作系统配置（Linux为PATH_MAX）。实际路径为工程路径+interCommTlsCaFiles。

集群内部实例间的通信如果启用TLS，则使用此参数指定CA文件名称。

选填，默认值：["ca.pem"]。

interCommTlsCert

std::string

文件路径长度取决于操作系统配置（Linux为PATH_MAX）。实际路径为工程路径+interCommTlsCert。

集群内部实例间的通信如果启用TLS，则使用这里指定的文件作为证书。

选填，默认值："security/grpc/certs/server.pem"。

interCommPk

std::string

文件路径长度取决于操作系统配置（Linux为PATH_MAX）。实际路径为工程路径+interCommPk取决于操作系统配置（Linux为PATH_MAX）。

集群内部实例间的通信如果启用TLS，则使用这里指定的文件作为私钥。

选填，默认值："security/grpc/keys/server.key.pem"。

interCommPkPwd

std::string

文件路径长度取决于操作系统配置（Linux为PATH_MAX）。实际路径为工程路径+interCommPkPwd。

集群内部实例间的通信如果启用TLS，则使用这里指定的文件作为私钥的密码。

选填，默认值："security/grpc/pass/key_pwd.txt"。

interCommTlsCrlPath

std::string

interCommTlsCrlPath+interCommTlsCrlFiles路径长度取决于操作系统配置（Linux为PATH_MAX）。实际路径为工程路径+interCommTlsCrlPath。

集群内部实例间的通信如果启用TLS，则使用此参数指定证书吊销列表文件所在路径。

选填，默认值："security/grpc/certs/"。

interCommTlsCrlFiles

std::set<std::string>

interCommTlsCrlPath+interCommTlsCrlFiles路径长度取决于操作系统配置（Linux为PATH_MAX）。实际路径为工程路径+interCommTlsCrlFiles。

集群内部实例间的通信如果启用TLS，则使用此参数指定证书吊销列表文件名称。

选填，默认值：["server_crl.pem"]。

openAiSupport

std::string

字符串

是否启用vLLM兼容的OpenAI。选填，默认值："vllm"。

  • 取值为"vllm"或者配置字段缺失时，代表/v1/chat/completions接口使用vLLM兼容的OpenAI接口版本。
  • 取值为其他字符时，代表/v1/chat/completions接口使用原生OpenAI接口版本。

此配置支持热更新。
  • 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。故该场景下默认禁止EndPoint的IP地址绑定为0.0.0.0。若用户仍需要使用0.0.0.0，请在环境具备全零监听防护能力的前提下，通过设置配置项“allowAllZeroIpListening”=true手动打开允许配置0.0.0.0的IP地址开关，启用全零监听的安全风险由用户自行承担。
  • 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。

BackendConfig参数说明

配置项

取值类型

取值范围

配置说明

backendName

std::string

长度1~50，只支持小写字母和下划线。且不以下划线作为开头和结尾。

推理后端名称，可以通过该参数获得后端实例。

必填，目前只支持："mindieservice_llm_engine"。

modelInstanceNumber

uint32_t

[1, 10]

模型实例个数。

必填，默认值：1。

单模型多机推理场景，该值需为1。

npuDeviceIds

std::vector<std::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，使用芯片逻辑ID表示。

  • 在未配置ASCEND_RT_VISIBLE_DEVICES环境变量时，每张卡对应的逻辑ID可使用"npu-smi info -m"指令进行查询。
  • 若配置ASCEND_RT_VISIBLE_DEVICES环境变量时，可见芯片的逻辑ID按照ASCEND_RT_VISIBLE_DEVICES中配置的顺序从0开始计数。

    例如：

    ASCEND_RT_VISIBLE_DEVICES=1,2,3,4

    则以上可见芯片的逻辑ID按顺序依次为0,1,2,3。

    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]]。

tokenizerProcessNumber

uint32_t

[1, 32]

tokenizer进程数。必填，默认值：8。

在CPU核较多时，可以适当调大该值，tokenizer性能会更好。

multiNodesInferEnabled

bool
  • true
  • false
  • false：单机推理
  • true：多机推理

选填，默认值：false。

multiNodesInferPort

int32_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
  • true
  • false

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。

interNodeTlsCaPath

std::string

建议interNodeTlsCaPath+interNodeTlsCaFiles路径长度<=4096。实际路径为工程路径+interNodeTlsCaPath，上限与操作系统有关，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/grpc/ca/"。

interNodeTlsCaFiles

std::set<std::string>

建议interNodeTlsCaPath+interNodeTlsCaFiles路径长度<=4096。实际路径为工程路径+interNodeTlsCaFiles，上限与操作系统有关，最小值为1。

根证书名称列表。

“interNodeTLSEnabled”=true生效，生效后必填，默认值：["ca.pem"]。

interNodeTlsCert

std::string

建议文件路径长度<=4096。实际路径为工程路径+interNodeTlsCert，上限与操作系统有关，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/grpc/certs/server.pem"。

interNodeTlsPk

std::string

建议文件路径长度<=4096。实际路径为工程路径+interNodeTlsPk，上限与操作系统有关，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/grpc/keys/server.key.pem"。

interNodeTlsPkPwd

std::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/grpc/pass/mindie_server_key_pwd.txt"。

interNodeTlsCrlPath

std::string

建议interNodeTlsCrlPath+interNodeTlsCrlFiles路径长度<=4096。实际路径为工程路径+interNodeTlsCrlPath，上限与操作系统有关，最小值为1。

服务证书吊销列表文件夹路径。“interNodeTLSEnabled”=true生效。

选填，默认值："security/grpc/certs/"。

interNodeTlsCrlFiles

std::set<std::string>

建议interNodeTlsCrlPath+interNodeTlsCrlFiles路径长度<=4096。实际路径为工程路径+interNodeTlsCrlFiles，上限与操作系统有关，最小值为1。

服务证书吊销列表名称列表。“interNodeTLSEnabled”=true生效。

选填，默认值：["server_crl.pem"]。

interNodeKmcKsfMaster

std::string

建议文件路径长度<=4096。实际路径为工程路径+interNodeKmcKsfMaster，上限与操作系统有关，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

std::string

建议文件路径长度<=4096。实际路径为工程路径+interNodeKmcKsfStandby，上限与操作系统有关，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"。

ModelDeployConfig

map

-

模型部署相关配置。详情请参见ModelDeployConfig参数说明。

ScheduleConfig

map

-

调度相关配置。详情请参见ScheduleConfig参数说明。

ModelDeployConfig参数说明

配置项

取值类型

取值范围

配置说明

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。请根据推理场景选择合适的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。

maxInputTokenLen

uint32_t

[1, 4194304]

输入token id最大长度。

必填，默认值：2048。

maxInputTokenLen = min(maxInputTokenLen, maxSeqLen -1)

  • 当truncation=true时：

    请求的输入长度inputLen会自动截断，请求的实际输入长度inputLen = min(inputLen, maxInputLen)。

  • 当truncation=false时：

    若请求的输入长度inputLen > maxInputTokenLen，会返回Error。

truncation

bool
  • true
  • false

是否进行参数合理化校验拦截。

  • false：校验
  • true：不校验

选填，默认值：false。

maxInputTokenLen = min(maxInputTokenLen, maxSeqLen -1)

  • 当truncation=true时：

    请求的输入长度inputLen会自动截断，请求的实际输入长度inputLen = min(inputLen, maxInputLen)。

  • 当truncation=false时：

    若请求的输入长度inputLen > maxInputTokenLen，会返回Error。

ModelConfig

map

-

模型相关配置，包括后处理参数。详情请参见ModelConfig参数说明。

ModelConfig参数说明

配置项

取值类型

取值范围

配置说明

modelInstanceType

std::string
  • "Standard"
  • "StandardMock"

模型类型。

  • "Standard"：普通推理
  • "StandardMock"：假模型（此模式下不加载模型，仅运行Server）

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

std::string

文件绝对路径长度的上限与操作系统的设置（Linux为PATH_MAX）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，需要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。

PD分离场景下需要与下发身份设置的卡数一致。

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。

单个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

int32_t
  • -1
  • 整型数字，取值范围：(0, 2147483647]

单个NPU中可以用来申请KV Cache的size上限。

必填，默认值：-1，建议值：-1，单位：GB。

  • 自动分配KV Cache：当配置值为-1时，kv cache会根据可用显存自动进行分配。

    KV Cache快速计算公式：npuMemSize=单卡总内存*内存分配比例-单卡权重占用内存-运行时相关变量占用内存-系统占用内存

    • 单卡总内存：通过npu-smi info命令查看总显存。
    • 内存分配比例：默认值0.8；可通过环境变量NPU_MEMORY_FRACTION控制；当出现权重加载OOM情况时，可适当调高分配比例或使用更多显卡进行推理。
    • 单卡权重占用内存：约等于权重大小*类型大小（浮点为2，int8类型为1）/ 卡数；以实际加载权重为准。
    • 运行时相关变量占用内存：模型输入变量、输出变量、中间变量等内存。
    • 系统占用内存：通过npu-smi info命令查看静息状态下使用显存。
  • 手动分配KV Cache：当配置值大于0时，根据设置值会固定分配KV Cache大小。
说明：
  • 为快速确定最佳显存参数取值范围，提供了快速计算公式。该公式计算的结果仅作为取值参考，为了达到最佳性能，可以适当向上调整该值并进行性能压力测试。
  • 如果设置的“npuMemSize”参数超过系统可分配最大显存值，会出现推理服务启动失败、推理服务启动卡死等异常现象，需要减小该值并重试。
  • PD分离部署场景中，当“backendType”选择“atb”时该参数才可以设置为-1。

backendType

std::string
  • "atb"
  • "ms"

对接的后端类型。

  • atb：推理引擎后端为加速库。
  • ms：推理引擎后端为MindSpore。

必填，默认值："atb"。

说明：

如果选择"ms"作为对接的推理引擎后端，需要提前安装MindSpore和MindFormers，以及修改MindIE启动配置信息，详情请参见链接。

trustRemoteCode

bool
  • true
  • false

是否信任远程代码。

  • false：不信任远程代码。
  • true：信任远程代码。

选填，默认值：false。

说明：

如果设置为true，会存在信任远程代码行为，可能会导致恶意代码注入风险，请自行保障代码注入安全风险。

ScheduleConfig参数说明

由于重计算调度策略调整，各版本间性能在相同调度参数下可能有波动，若想获取最佳性能，详情请参见性能调优。

配置项

取值类型

取值范围

配置说明

templateType

std::string
  • "Standard"
  • "Mix"

推理类型。

  • Standard：PD混部场景，Prefill请求和Decode请求各自组batch。
  • Mix：Splitfuse特性相关参数，Prefill请求和Decode请求可以一起组batch。

PD分离场景下该字段配置不生效。

必填，默认值："Standard"。

templateName

std::string

当前取值只能为："Standard_LLM"

调度工作流名称。

必填，默认值："Standard_LLM"。

cacheBlockSize

uint32_t

[1, 128]

KV Cache 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。

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

[1,4194304]，且必须大于或等于maxInputTokenLen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。

不建议设置过大，若显存溢出可适当调小。

必填，默认值：8192。

prefillTimeMsPerReq

uint32_t

[0, 1000]

与decodeTimeMsPerReq一起参与计算当前应该选择Prefill还是decode。单位：ms，当“supportSelectBatch”设置为“true”时有效。其调度策略流程图请参见图1。

必填，默认值：150。

  • PD混部场景，通过计算以下参数来选择下一次推理是Prefill还是Decode：
    • prefillWaitTime = prefillTimeMsPerReq * decodeReqNum，表示如果选择Prefill，Decode请求需要等待的时间。
    • accumulatedDecodeWasteTime = accumulatedDecodeWasteTime + decodeTimeMsPerReq * (maxBatchSize - decodeReqNum)，表示连续执行多次Decode浪费的时间。

    比较计算结果，确定下一次推理：

    • 当prefillWaitTime > accumulatedDecodeWasteTime时，表示Decode请求积压过多，则下一次推理是Decode。
    • 当prefillWaitTime <= accumulatedDecodeWasteTime时，表示连续多次Decode浪费的时间过多，则下一次推理是Prefill。
  • PD分离场景，该参数无效；如果当前实例是Prefill实例，则优先Prefill计算；如果当前实例是Decode实例，则优先Decode计算。

prefillPolicyType

uint32_t
  • 0
  • 1
  • 2
  • 3

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。
  • 2：PRIORITY，优先级队列。
  • 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一起参与计算当前应该选择Prefill还是Decode。单位：ms，当“supportSelectBatch”设置为“true”时有效。其调度策略流程图请参见图1。

必填，默认值：50。

  • PD混部场景，通过计算以下参数来选择下一次推理是Prefill还是Decode：
    • prefillWaitTime = prefillTimeMsPerReq * decodeReqNum，表示如果选择Prefill，Decode请求需要等待的时间。
    • accumulatedDecodeWasteTime = accumulatedDecodeWasteTime + decodeTimeMsPerReq * (maxBatchSize - decodeReqNum)，表示连续执行多次Decode浪费的时间。

    比较计算结果，确定下一次推理：

    • 当prefillWaitTime > accumulatedDecodeWasteTime 时，表示Decode请求积压过多，则下一次推理是Decode；
    • 当prefillWaitTime <= accumulatedDecodeWasteTime 时，表示连续多次Decode浪费的时间过多，则下一次推理是Prefill。
  • PD分离场景，该参数无效：如果当前实例是Prefill实例，则优先Prefill计算；如果当前实例是Decode实例，则优先Decode计算。

decodePolicyType

uint32_t
  • 0
  • 1
  • 2
  • 3

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。
  • 2：PRIORITY，优先级队列。
  • 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参数的取值。

最大decode batch size。

  1. 首先计算block_num：Total Block Num = Floor(NPU显存/(模型网络层数*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_num*world_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。

  2. 为每个请求申请的block数量Block Num=Ceil(输入Token数/cacheBlockSize)+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。

  3. maxBatchSize=Total Block Num/Block Num。

必填，默认值：200。

maxIterTimes

uint32

[1, maxSeqLen]

模型全局最大输出长度。与请求级最大输出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。

请求的最大输出长度maxOutputLen=min(maxIterTimes, max_tokens， max_new_tokens)

请求的实际输出长度outputLen = min(maxSeqLen - inputLen, maxOutputLen)

maxPreemptCount

uint32_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
  • true
  • false

batch选择策略。

PD分离场景下该字段不生效。

  • 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]

在队列中的请求数量达到最大BatchSize或maxPrefillTokens前，请求在队列中的最大等待时间，单位：us。

只要等待时间达到该值，即使请求数量未达到最大BatchSize或maxPrefillTokens，也要进行下一次推理。

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
父主题： MindIE Server