PD分离部署¶

xllm支持PD分离部署，这需要与我们的另一个开源库xllm service配套使用。

xLLM Service依赖¶

首先，我们下载安装xllm service，与安装编译xllm类似：

git clone https://github.com/jd-opensource/xllm-service
cd xllm_service
git submodule init
git submodule update

etcd安装¶

xllm_service依赖etcd，使用etcd官方提供的安装脚本进行安装，其脚本提供的默认安装路径是/tmp/etcd-download-test/etcd，我们可以手动修改其脚本中的安装路径，也可以运行完脚本之后手动迁移：

mv /tmp/etcd-download-test/etcd /path/to/your/etcd

xLLM Service编译¶

先应用patch:

sh prepare.sh

再执行编译:

mkdir -p build
cd build
cmake ..
make -j 8
cd ..

可能的错误

这里能会遇到关于boost-locale和boost-interprocess的安装错误：vcpkg-src/packages/boost-locale_x64-linux/include: No such file or directory,/vcpkg-src/packages/boost-interprocess_x64-linux/include: No such file or directory 我们使用vcpkg重新安装这些包:

/path/to/vcpkg remove boost-locale boost-interprocess
/path/to/vcpkg install boost-locale:x64-linux
/path/to/vcpkg install boost-interprocess:x64-linux

PD分离运行¶

启动etcd:

./etcd-download-test/etcd --listen-peer-urls 'http://localhost:2390'  --listen-client-urls 'http://localhost:2389' --advertise-client-urls  'http://localhost:2391'

启动xllm service:

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/

以Qwen2-7B为例

启动Prefill实例

./xllm --model=path/to/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 \
       --device_ip=xx.xx.xx.xx \ # 替换为实际的Device IP
       --transfer_listen_port=26000 \
       --disagg_pd_port=7777 \
       --node_rank=0 \
       --nnodes=1

启动Decode实例

./xllm --model=path/to/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 \
       --device_ip=xx.xx.xx.xx \ # 替换为实际的Device IP
       --transfer_listen_port=26100 \
       --disagg_pd_port=7787 \
       --node_rank=0 \
       --nnodes=1

需要注意：

PD分离在指定NPU Device的时候，需要对应的device_ip，这个每张卡是不一样的，具体的可以在非容器环境下的物理机器上执行下面命令看到,其呈现的address_{i}=后面的值就是对应NPU {i}的device_ip。
```
sudo cat /etc/hccn.conf | grep address
```
etcd_addr需与xllm_service的etcd_addr相同

测试命令和上面类似，注意curl http://localhost:{PORT}/v1/chat/completions ...的PORT选择为启动xLLM service的http_server_port。