优化与调优

优化与调优#

本指南旨在帮助用户在系统层面提升 vLLM Ascend 的性能，涵盖操作系统配置、库优化、部署指南等内容。欢迎提供任何反馈意见。

准备工作#

运行容器：

# Update DEVICE according to your device (/dev/davinci[0-7])
export DEVICE=/dev/davinci0
# Update the cann base image
export IMAGE=m.daocloud.io/quay.io/ascend/cann:9.0.0-910b-ubuntu22.04-py3.12
docker run --rm \
--name performance-test \
--shm-size=1g \
--device $DEVICE \
--device /dev/davinci_manager \
--device /dev/devmm_svm \
--device /dev/hisi_hdc \
-v /usr/local/dcmi:/usr/local/dcmi \
-v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
-v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/ \
-v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info \
-v /etc/ascend_install.info:/etc/ascend_install.info \
-v /root/.cache:/root/.cache \
-it $IMAGE bash

配置环境：

# Configure the mirror
echo "deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ jammy main restricted universe multiverse" > /etc/apt/sources.list && \
echo "deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ jammy main restricted universe multiverse" >> /etc/apt/sources.list && \
echo "deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ jammy-updates main restricted universe multiverse" >> /etc/apt/sources.list && \
echo "deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ jammy-updates main restricted universe multiverse" >> /etc/apt/sources.list && \
echo "deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ jammy-backports main restricted universe multiverse" >> /etc/apt/sources.list && \
echo "deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ jammy-backports main restricted universe multiverse" >> /etc/apt/sources.list && \
echo "deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ jammy-security main restricted universe multiverse" >> /etc/apt/sources.list && \
echo "deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ jammy-security main restricted universe multiverse" >> /etc/apt/sources.list

# Install os packages
apt update && apt install wget gcc g++ libnuma-dev git vim -y

安装 vLLM 和 vLLM Ascend：

# Install necessary dependencies
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip install modelscope pandas datasets gevent sacrebleu rouge_score pybind11 pytest

# Configure this var to speed up model download
export VLLM_USE_MODELSCOPE=True

请按照安装指南确保正确安装 vLLM 和 vLLM Ascend。

备注

请确保在完成 Python 配置后再安装 vLLM 和 vLLM Ascend，因为这些软件包会使用当前环境中的 Python 构建二进制文件。如果在完成第 1.1 节之前安装 vLLM 和 vLLM Ascend，二进制文件将不会使用经过优化的 Python。

优化措施#

1.编译优化#

1.1. Install optimized python (OUT OF DATE)#

Python 从 3.6 及以上版本开始支持 LTO（链接时优化）和 PGO（基于性能分析的优化），这些优化可在编译时启用。为方便起见，我们已直接为用户提供了优化版的 python 软件包。您也可以根据具体场景，按照此教程重新构建 python。

mkdir -p /workspace/tmp
cd /workspace/tmp

# Download prebuilt lib and packages
wget https://repo.oepkgs.net/ascend/pytorch/vllm/lib/libcrypto.so.1.1
wget https://repo.oepkgs.net/ascend/pytorch/vllm/lib/libomp.so
wget https://repo.oepkgs.net/ascend/pytorch/vllm/lib/libssl.so.1.1
wget https://repo.oepkgs.net/ascend/pytorch/vllm/python/py311_bisheng.tar.gz

# Configure python and pip

cp ./*.so* /usr/local/lib
tar -zxvf ./py311_bisheng.tar.gz -C /usr/local/
mv  /usr/local/py311_bisheng/  /usr/local/python
sed -i "1c#\!/usr/local/python/bin/python3.11" /usr/local/python/bin/pip3
sed -i "1c#\!/usr/local/python/bin/python3.11" /usr/local/python/bin/pip3.11
ln -sf  /usr/local/python/bin/python3  /usr/bin/python
ln -sf  /usr/local/python/bin/python3  /usr/bin/python3
ln -sf  /usr/local/python/bin/python3.11  /usr/bin/python3.11
ln -sf  /usr/local/python/bin/pip3  /usr/bin/pip3
ln -sf  /usr/local/python/bin/pip3  /usr/bin/pip

export PATH=/usr/bin:/usr/local/python/bin:$PATH

2.操作系统优化#

2.1.jemalloc#

jemalloc 是一种内存分配器，可提升多线程场景下的性能并减少内存碎片。jemalloc 使用本地线程内存管理器来分配变量，这可以避免线程间的锁竞争，从而大幅优化性能。

# Install jemalloc
sudo apt update
sudo apt install libjemalloc2

# Configure jemalloc
export LD_PRELOAD=/usr/lib/"$(uname -i)"-linux-gnu/libjemalloc.so.2:$LD_PRELOAD

2.2.Tcmalloc#

**TCMalloc（线程缓存分配器）**是一种通用内存分配器，通过引入多级缓存结构、减少互斥锁竞争并优化大对象处理流程，在确保低延迟的同时提升整体性能。更多详细信息请参见此处。

# Install tcmalloc
sudo apt update
sudo apt install libgoogle-perftools4 libgoogle-perftools-dev

# Get the location of libtcmalloc.so*
find /usr -name libtcmalloc.so*

# Make the priority of tcmalloc higher
# The <path> is the location of libtcmalloc.so we get from the upper command
# Example: "$LD_PRELOAD:/usr/lib/aarch64-linux-gnu/libtcmalloc.so"
export LD_PRELOAD="$LD_PRELOAD:<path>"

# Verify your configuration
# The path of libtcmalloc.so will be contained in the result if your configuration is valid
ldd `which python`

3.torch_npu 优化#

torch_npu 中的部分性能调优功能由环境变量控制。以下展示了一些功能及其相关的环境变量。

内存优化：

# Upper limit of memory block splitting allowed (MB): Setting this parameter can prevent large memory blocks from being split.
export PYTORCH_NPU_ALLOC_CONF="max_split_size_mb:250"

或

# When operators on the communication stream have dependencies, they all need to be ended before being released for reuse. The logic of multi-stream reuse is to release the memory on the communication stream in advance so that the computing stream can be reused.
export PYTORCH_NPU_ALLOC_CONF="expandable_segments:True"

调度优化：

# Optimize operator delivery queue. This will affect the memory peak value, and may degrade if the memory is tight.
export TASK_QUEUE_ENABLE=2

# This will greatly improve the CPU bottleneck model and ensure the same performance for the NPU bottleneck model.
export CPU_AFFINITY_CONF=1

4.CANN 优化#

4.1.HCCL 优化#

HCCL 中包含一些由环境变量控制的性能调优功能。

您可以通过设置如下所示的环境变量，将 HCCL 配置为使用 "AIV" 模式以优化性能。在 "AIV" 模式下，通信由 AI 向量核心直接通过 RoCE 进行调度，而非由 AI CPU 调度。

export HCCL_OP_EXPANSION_MODE="AIV"

此外，在特定场景下还有更多用于性能优化的功能，如下所示。

  • HCCL_INTRA_ROCE_ENABLE：在两个 8P 之间使用 RDMA 链路而非 SDMA 链路作为网状互连链路。更多详细信息请参见此处。

  • HCCL_RDMA_TC：使用此变量配置 RDMA NIC 的流量等级。更多详细信息请参见此处。

  • HCCL_RDMA_SL：使用此变量配置 RDMA NIC 的服务级别。更多详细信息请参见此处。

  • HCCL_BUFFSIZE：使用此变量控制两个 NPU 之间共享数据的缓存大小。更多详细信息请参见此处。

5.操作系统优化#

本节阐述如何在主机（物理机或 Kubernetes 节点）上应用操作系统级优化，以改善推理工作负载的性能稳定性、延迟和吞吐量。

备注

这些设置必须在主机操作系统上以 root 权限应用，而非在容器内部。

5.1#

将 CPU 频率调控器设置为 performance

echo performance | tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor

目的

  • 强制所有 CPU 核心在 performance 调控器下运行

  • 禁用动态频率调节（例如 ondemand、powersave）

优势

  • 保持 CPU 核心处于最高频率

  • 减少延迟抖动

  • 提升推理工作负载的可预测性

5.2禁用交换空间使用#

sysctl -w vm.swappiness=0

目的

  • 最小化内核将内存页交换到磁盘的倾向

优势

  • 防止因交换操作导致的严重延迟峰值

  • 提升大型内存驻留模型的稳定性

备注

  • 对于推理工作负载，交换操作可能引入秒级延迟

  • 推荐值为 0 或 1

5.3禁用自动 NUMA 平衡#

sysctl -w kernel.numa_balancing=0

目的

  • 禁用内核的自动 NUMA 页迁移机制

优势

  • 防止后台内存页迁移

  • 减少不可预测的内存访问延迟

  • 提升 NUMA 系统上的性能稳定性

推荐用于

  • 多插槽服务器

  • 具有显式 NUMA 绑定的 Ascend / NPU 部署

  • 手动管理 CPU 和内存亲和性的系统

5.4增加调度器迁移成本#

sysctl -w kernel.sched_migration_cost_ns=50000

目的

  • 增加调度器在 CPU 核心间迁移任务的成本

优势

  • 减少频繁的线程迁移

  • 提升 CPU 缓存局部性

  • 降低推理工作负载的延迟抖动

参数详情

  • 单位：纳秒（ns）

  • 典型推荐范围：50000–100000

  • 较高的值有助于线程保持在同一个 CPU 核心上运行