diff --git a/deploy/profiles/pro6000/kimi3_pro6000_sglang_tp32ep32.env b/deploy/profiles/pro6000/kimi3_pro6000_sglang_tp32ep32.env index addc203..017a45f 100644 --- a/deploy/profiles/pro6000/kimi3_pro6000_sglang_tp32ep32.env +++ b/deploy/profiles/pro6000/kimi3_pro6000_sglang_tp32ep32.env @@ -51,4 +51,4 @@ PATCH_MOUNTS="/tmp/patch_k3_sm120.py:/tmp/patch_k3_sm120.py:ro" # SGLANG_HOST_IP 必须为本节点实际 IP（174.1.60.5~8 = 5 + NODE_RANK）。 BOOTSTRAP="python3 /tmp/patch_k3_sm120.py && export SGLANG_HOST_IP=\"174.1.60.$((5 + ${NODE_RANK}))\" && exec python3 -m sglang.launch_server ${LAUNCH_ARGS}" -LAUNCH_ARGS="--model-path ${MODEL_PATH} --served-model-name ${SERVED_MODEL_NAME} --tp-size ${TP} --ep-size 32 --nnodes ${NNODES} --node-rank ${NODE_RANK} --dist-init-addr ${MASTER_IP}:${DIST_PORT} --trust-remote-code --moe-runner-backend marlin --mem-fraction-static 0.88 --cuda-graph-max-bs-decode 16 --mamba-radix-cache-strategy extra_buffer_lazy --dist-timeout 3600 --mamba-full-memory-ratio 0.36 --host 0.0.0.0 --port ${PORT}" +LAUNCH_ARGS="--model-path ${MODEL_PATH} --served-model-name ${SERVED_MODEL_NAME} --tp-size ${TP} --ep-size 32 --nnodes ${NNODES} --node-rank ${NODE_RANK} --dist-init-addr ${MASTER_IP}:${DIST_PORT} --trust-remote-code --moe-runner-backend marlin --mem-fraction-static 0.88 --cuda-graph-max-bs-decode 16 --mamba-radix-cache-strategy extra_buffer_lazy --disable-radix-cache --dist-timeout 3600 --mamba-full-memory-ratio 0.36 --host 0.0.0.0 --port ${PORT}" diff --git a/deploy/profiles/pro6000/kimi3_pro6000_sglang_tp32ep32_instB.env b/deploy/profiles/pro6000/kimi3_pro6000_sglang_tp32ep32_instB.env new file mode 100644 index 0000000..e354531 --- /dev/null +++ b/deploy/profiles/pro6000/kimi3_pro6000_sglang_tp32ep32_instB.env @@ -0,0 +1,61 @@ +# Kimi-K3 SGLang multi-node TP=32 EP=32 deployment profile — 实例 B (DP=2 的第二个实例). +# Nodes: 174.1.60.1~4 (rank 0~3), 32x NVIDIA RTX 6000D (85GB, sm_120). +# +# DP=2 方案 B：两个独立实例（实例 A: .5-.8, 实例 B: .1-.4），各自 TP32×EP32， +# 前面用 sglang_router（--worker-urls）做负载均衡。实例间零通信。 +# +# 与实例 A（kimi3_pro6000_sglang_tp32ep32）的差异仅在于节点拓扑： +# - NODE_HOSTS = .1-.4 +# - MASTER_IP = 174.1.60.1（从 .1 执行部署，LOCAL_NODE_RANK=0 本地起 rank0） +# - SGLANG_HOST_IP = 174.1.60.$(1 + NODE_RANK) +# 其余并行度/网络配置与实例 A 一致。 +# +# 关键点（与实例 A 相同，勿随意改）: +# - MoE 后端必须 marlin（K3 的 MXFP4 缩放因子为 uint8，DeepGEMM 只接受 fp32/UE8M0） +# - RoCE: NCCL_IB_HCA=mlx5_0..3（4 张独立卡, 10.100.21-24/24, RoCEv2 GID index 3） +# - 容器必须 --ulimit memlock=-1（否则 ibv_create_cq 报 Cannot allocate memory） +# - 不要设 NCCL_ALGO=TREE +# - --disable-radix-cache 关闭前缀缓存（bench 测量纯净） +# +# Model-team only. Ops only run `python -m sskj.bench` against the router URL. + +PLATFORM=pro6000 +EXPERIMENT=kimi3_pro6000_sglang_tp32ep32_instB +MODEL_NAME=Kimi-K3 +ENGINE=sglang +RUNTIME=docker +DOCKER_IMAGE=lmsysorg/sglang:kimi-k3 +CONTAINER_NAME=${EXPERIMENT}_node${NODE_RANK} +MODEL_PATH=/data/hf_models/Kimi-K3 +SERVED_MODEL_NAME=kimi-k3 +PORT=30000 +HEALTH_PATH=/health +HEALTH_HOST=174.1.60.1 +HEALTH_WAIT_S=2400 +CONTAINER_PYTHON=python3 + +# ---- 并行度（固定，勿改）---- +TP=32 +DP=1 +EP_SIZE=32 + +# ---- Multi-node topology (实例 B = .1-.4; rank 0 exposes the HTTP API) ---- +NNODES=4 +NODE_HOSTS="174.1.60.1 174.1.60.2 174.1.60.3 174.1.60.4" +NODE_SSH_USER=root +LOCAL_NODE_RANK=0 +MASTER_IP=174.1.60.1 +DIST_PORT=20000 + +DEVICE_VARS="CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7" +ENGINE_ENV="NCCL_SOCKET_IFNAME=bond0 GLOO_SOCKET_IFNAME=bond0 NCCL_IB_HCA=mlx5_0,mlx5_1,mlx5_2,mlx5_3 NCCL_IB_GID_INDEX=3 NCCL_IB_TIMEOUT=22 NCCL_IB_RETRY_CNT=7 NCCL_CUMEM_ENABLE=1 PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True SGLANG_ENABLE_TP_MEMORY_INBALANCE_CHECK=0 SGLANG_MOE_FUSED_GATE_RADIX=1" + +DOCKER_FLAGS="--gpus all --network host --ipc=host --ulimit memlock=-1 --device /dev/infiniband --shm-size 32g --entrypoint ''" +VOLUMES="${MODEL_PATH}:${MODEL_PATH}:ro" +PATCH_MOUNTS="/tmp/patch_k3_sm120.py:/tmp/patch_k3_sm120.py:ro" + +# BOOTSTRAP 在容器内执行: 打 sm_120 补丁 → 按节点 rank 计算 SGLANG_HOST_IP → 启动 sglang。 +# SGLANG_HOST_IP 必须为本节点实际 IP（174.1.60.1~4 = 1 + NODE_RANK）。 +BOOTSTRAP="python3 /tmp/patch_k3_sm120.py && export SGLANG_HOST_IP=\"174.1.60.$((1 + ${NODE_RANK}))\" && exec python3 -m sglang.launch_server ${LAUNCH_ARGS}" + +LAUNCH_ARGS="--model-path ${MODEL_PATH} --served-model-name ${SERVED_MODEL_NAME} --tp-size ${TP} --ep-size 32 --nnodes ${NNODES} --node-rank ${NODE_RANK} --dist-init-addr ${MASTER_IP}:${DIST_PORT} --trust-remote-code --moe-runner-backend marlin --mem-fraction-static 0.88 --cuda-graph-max-bs-decode 16 --mamba-radix-cache-strategy extra_buffer_lazy --disable-radix-cache --dist-timeout 3600 --mamba-full-memory-ratio 0.36 --host 0.0.0.0 --port ${PORT}" \ No newline at end of file diff --git a/experiments/pro6000/kimi3_pro6000_dp2/README.md b/experiments/pro6000/kimi3_pro6000_dp2/README.md new file mode 100644 index 0000000..a8cd783 --- /dev/null +++ b/experiments/pro6000/kimi3_pro6000_dp2/README.md @@ -0,0 +1,63 @@ +# Kimi-K3 DP=2 部署（两个独立 TP32×EP32 实例 + router 负载均衡） + +RTX 6000D 8 节点上 Kimi-K3 的 **DP=2** 部署：方案 B——**两个完全独立的 TP32×EP32 实例**，前面用 sglang_router 负载均衡。实例间零通信。 + +## 架构 + +``` + ┌───────────────────────────────┐ + client ──32000──▶ │ router (sglang_router) .5 │ --worker-urls + │ http://174.1.60.1:30000 │ ──▶ 实例 B (.1-.4, TP32×EP32) + │ http://174.1.60.5:30000 │ ──▶ 实例 A (.5-.8, TP32×EP32) + └───────────────────────────────┘ +``` + +- 实例 A：174.1.60.5~8，profile `kimi3_pro6000_sglang_tp32ep32`（现有） +- 实例 B：174.1.60.1~4，profile `kimi3_pro6000_sglang_tp32ep32_instB`（新增） +- router：`sglang_router.launch_router --worker-urls`（Rust Router 普通模式），对外 `.5:32000` + +## 使用 + +```bash +cd /data/yy/sskj/experiments/pro6000/kimi3_pro6000_dp2 +bash deploy_dp2.sh start # 实例 A → 实例 B → router（约 15 分钟） +bash deploy_dp2.sh status +bash deploy_dp2.sh stop +bash deploy_dp2.sh restart +``` + +## 验证 + +```bash +# router 入口（自动负载均衡到两个实例） +curl -s http://174.1.60.5:32000/generate -H "Content-Type: application/json" \ + -d '{"text":"What is 23*47?","sampling_params":{"max_new_tokens":16}}' + +# 两个实例的 head 分别可直连 +curl -s http://174.1.60.1:30000/health +curl -s http://174.1.60.5:30000/health +``` + +## 关键配置 + +- 两个实例都是 **TP32×EP32**，`--disable-radix-cache`（bench 测量纯净） +- 网络：NCCL/GLOO 走 bond0（管理网）？不——实例 A/B 各自 **NCCL_IB_HCA=mlx5_0..3**（计算网），`NCCL_SOCKET_IFNAME=bond0` +- 每个实例的容器名：`kimi3_pro6000_sglang_tp32ep32_node{0-3}` / `..._instB_node{0-3}` +- 部署从各自 master 执行：实例 A 从 .5（LOCAL_NODE_RANK=0 本地起 rank0）、实例 B 从 .1 + +## 前置条件 + +1. 8 节点镜像 `lmsysorg/sglang:kimi-k3`、`/tmp/patch_k3_sm120.py` 就位 +2. .5 与 .1 都有 sskj 仓库（`/data/yy/sskj`，deploy 层在各自 master 本地执行） +3. 各节点 docker 权限、.5 可 ssh .1、.1 可 ssh .2/.3/.4 +4. 部署前需释放 GPU（如之前跑着 PD，先 `bash deploy_pd.sh stop`） + +## 与 PD 分离的区别 + +| 维度 | PD 分离（MoonCake RDMA） | DP=2（方案 B） | +|---|---|---| +| 实例数 | 2 角色（prefill/decode） | 2 相同实例 | +| 实例间通信 | 有（KV 经 MoonCake RDMA） | 无（零通信） | +| 传输后端 | mooncake rdma | 无 | +| router | PD 模式（--prefill/--decode） | 普通模式（--worker-urls） | +| 用途 | 长上下文、KV 复用 | 横向扩容、吞吐 | \ No newline at end of file diff --git a/experiments/pro6000/kimi3_pro6000_dp2/deploy_dp2.sh b/experiments/pro6000/kimi3_pro6000_dp2/deploy_dp2.sh new file mode 100755 index 0000000..4f6b43f --- /dev/null +++ b/experiments/pro6000/kimi3_pro6000_dp2/deploy_dp2.sh @@ -0,0 +1,94 @@ +#!/usr/bin/env bash +# Kimi-K3 DP=2 部署编排脚本（方案 B：两个独立 TP32×EP32 实例 + router 负载均衡）。 +# +# 架构: +# 实例 A: 174.1.60.5~8（TP32×EP32，现有 kimi3 profile） +# 实例 B: 174.1.60.1~4（TP32×EP32，instB profile） +# router: sglang_router --worker-urls 指向两个实例的 head（.5:30000 与 .1:30000） +# 对外入口: .5:32000（router），实例间零通信。 +# +# 用法: +# bash deploy_dp2.sh start # 起 实例 A → 实例 B → router +# bash deploy_dp2.sh stop # 停 router → 实例 B → 实例 A +# bash deploy_dp2.sh status # 查看状态 +# bash deploy_dp2.sh restart +# +# 依赖: +# - 8 节点镜像 lmsysorg/sglang:kimi-k3、patch_k3_sm120.py 已就位 +# - .5 与 .1 上都有 sskj 仓库（deploy 层在各自 master 本地执行） +# - 各节点 docker 权限、.5 可 ssh .1 +set -Eeuo pipefail + +SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)" +ROOT_DIR="$(cd "${SCRIPT_DIR}/../../.." && pwd)" + +IMAGE="lmsysorg/sglang:kimi-k3" +REPO_PATH="/data/yy/sskj" +MODEL_PATH="/data/hf_models/Kimi-K3" + +A_HEAD="174.1.60.5" +B_HEAD="174.1.60.1" +ROUTER_IP="174.1.60.5" +ROUTER_CONTAINER="router_dp2" +ROUTER_PORT="32000" + +PROFILE_A="pro6000/kimi3_pro6000_sglang_tp32ep32" +PROFILE_B="pro6000/kimi3_pro6000_sglang_tp32ep32_instB" + +log() { echo "[$(date +%H:%M:%S)] $*"; } + +ssh_node() { ssh -o ConnectTimeout=20 -o StrictHostKeyChecking=no "$@"; } + +run_deploy_on() { + local host="$1" profile="$2" container="$3" cmd="$4" + ssh_node "$host" "cd ${REPO_PATH} && PYTHONPATH=src python3 -m sskj.deploy ${cmd} --profile ${profile} --tp 32 --dp 1 --port 30000 --model-path ${MODEL_PATH} --container-name ${container}" +} + +start_instance_a() { + log "starting 实例 A (prefill .5-.8) on ${A_HEAD}" + run_deploy_on "$A_HEAD" "$PROFILE_A" "kimi3_pro6000_sglang_tp32ep32" start +} + +start_instance_b() { + log "starting 实例 B (.1-.4) on ${B_HEAD}" + run_deploy_on "$B_HEAD" "$PROFILE_B" "kimi3_pro6000_sglang_tp32ep32_instB" start +} + +start_router() { + log "starting router (--worker-urls) on ${ROUTER_IP}:${ROUTER_PORT}" + ssh_node "$ROUTER_IP" "docker rm -f ${ROUTER_CONTAINER} >/dev/null 2>&1 || true; docker run -d --name ${ROUTER_CONTAINER} --network host ${IMAGE} python3 -m sglang_router.launch_router --worker-urls http://${B_HEAD}:30000 http://${A_HEAD}:30000 --host 0.0.0.0 --port ${ROUTER_PORT}" >/dev/null + sleep 5 + if ssh_node "$ROUTER_IP" "ss -tlnp 2>/dev/null | grep -q :${ROUTER_PORT}"; then + log "router is up (${ROUTER_PORT})" + else + log "WARN: router ${ROUTER_PORT} not listening" + fi +} + +stop_all() { + log "stopping router" + ssh_node "$ROUTER_IP" "docker rm -f ${ROUTER_CONTAINER} >/dev/null 2>&1 || true" || true + log "stopping 实例 B" + run_deploy_on "$B_HEAD" "$PROFILE_B" "kimi3_pro6000_sglang_tp32ep32_instB" stop || true + log "stopping 实例 A" + run_deploy_on "$A_HEAD" "$PROFILE_A" "kimi3_pro6000_sglang_tp32ep32" stop || true + log "all stopped" +} + +status_all() { + echo "=== 实例 A (.5-.8) ===" + run_deploy_on "$A_HEAD" "$PROFILE_A" "kimi3_pro6000_sglang_tp32ep32" status || true + echo "=== 实例 B (.1-.4) ===" + run_deploy_on "$B_HEAD" "$PROFILE_B" "kimi3_pro6000_sglang_tp32ep32_instB" status || true + echo "=== router ===" + ssh_node "$ROUTER_IP" "docker ps --format '{{.Names}} {{.Status}}' | grep ${ROUTER_CONTAINER} || echo stopped" +} + +case "${1:-}" in + start) start_instance_a; sleep 20; start_instance_b; sleep 20; start_router ;; + stop) stop_all ;; + status) status_all ;; + restart) stop_all; sleep 5; start_instance_a; sleep 20; start_instance_b; sleep 20; start_router ;; + *) echo "用法: $0 {start|stop|status|restart}"; exit 1 ;; +esac +echo "done." \ No newline at end of file