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。

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" "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"。此配置支持热更新。
logFileSize	uint32_t	[0, 500]	日志最大文件大小，单位MB。选填，默认值：20。
logFileNum	uint32_t	[0, 64]	历史日志文件最多保存数量。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“managementAddress”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]	EndPoint提供的性能指标监控接口绑定的端口号。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：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2maxLinkNum个请求在队列中等待。因此第3maxLinkNum+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<=4096。实际路径为工程路径+tlsCaPath，上限与操作系统有关，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/"。
tlsCaFile	std::set<std::string>	文件绝对路径长度<=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"]。
tlsCert	std::string	文件绝对路径长度<=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"。
tlsPk	std::string	文件绝对路径长度<=4096。实际路径为工程路径+tlsPk，上限与操作系统有关，最小值为1。	业务面服务证书私钥文件路径，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<=4096。支持为空；若非空，则实际路径为工程路径+tlsPkPwd，上限与操作系统有关，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。
tlsCrl	std::string	文件绝对路径长度<=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。
managementTlsCaFile	std::set<std::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"]。
managementTlsCert	std::string	建议文件路径长度<=4096。实际路径为工程路径+managementTlsCert，上限与操作系统有关，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"。
managementTlsPk	std::string	建议文件路径长度<=4096。实际路径为工程路径+managementTlsPk，上限与操作系统有关，最小值为1。	管理面服务证书私钥文件路径，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<=4096。支持为空；若非空，则实际路径为工程路径+managementTlsPkPwd，上限与操作系统有关，最小值为1	管理面服务证书私钥加密密钥文件路径。 “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。
managementTlsCrl	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+managementTlsCrl，上限与操作系统有关，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。
kmcKsfMaster	std::string	建议文件路径长度<=4096。实际路径为工程路径+kmcKsMaster，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。 “httpsEnabled”=true生效，生效后必填，默认值："tools/pmt/master/ksfa"。
kmcKsfStandby	std::string	建议文件路径长度<=4096。实际路径为工程路径+kmcKsStandby，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。 “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。
interCommPort	uint16_t	[1024, 65535]	集群内部实例间的通信端口。选填，默认值：1121。
interCommTlsCaFile	std::string	建议文件路径长度<=4096。实际路径为工程路径+interCommTlsCaFile，上限与操作系统有关，最小值为1。	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CA。选填，默认值："security/grpc/ca/ca.pem"。
interCommTlsCert	std::string	建议文件路径长度<=4096。实际路径为工程路径+interCommTlsCert，上限与操作系统有关，最小值为1。	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	建议文件路径长度<=4096。实际路径为工程路径+interCommPk，上限与操作系统有关，最小值为1。	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	建议文件路径长度<=4096。实际路径为工程路径+interCommPkPwd，上限与操作系统有关，最小值为1。	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"。
interCommTlsCrl	std::string	建议文件路径长度<=4096。实际路径为工程路径+interCommTlsCrl，上限与操作系统有关，最小值为1。	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吊销列表。选填，默认值："security/grpc/certs/server_crl.pem"。
openAiSupport	std::string	-	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。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]]。说明：执行下列命令，设置设备上加速库可见卡（此操作需在启动MindIE Server之前执行）。 export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 “npuDeviceIds”表示在上述可见卡中，按ASCEND_RT_VISIBLE_DEVICES设置的顺序，选取对应的卡。例如： ASCEND_RT_VISIBLE_DEVICES=7,0,1,2,3,4,5,6 npuDeviceIds：[[0,1,3,4]] 则最终分配的卡为7,0,2,3。
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。
interNodeTlsCaFile	std::string	建议文件路径长度<=4096。实际路径为工程路径+interNodeTlsCaFile，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/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"。
interNodeTlsCrl	std::string	建议文件路径长度<=4096。实际路径为工程路径+interNodeTlsCrl，上限与操作系统有关，最小值为1。	服务证书吊销列表文件路径。 “interNodeTLSEnabled”=true生效，生效后选填，默认值："security/grpc/certs/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	(0, 4294967295]	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。
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。

ScheduleConfig参数说明

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	[5120,2097152]，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比较，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。
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比较，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。
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。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。
maxIterTimes	uint32_t	[1, maxSeqLen-1]	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]	请求的队列等待时间，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
点击放大

图2 Prefill和Decode阶段的调度策略流程图
点击放大

父主题： MindIE Server