# Kimi-K3 PD 分离部署（MoonCake RDMA）实验

RTX 6000D（sm_120，8 节点 64 卡）上 Kimi-K3 的 **Prefill/Decode 分离部署**，KV 传输使用 **MoonCake RDMA**（计算网 mlx5_0~3，4 链路 RoCE）。

## 背景与动机

PD 分离部署（PD Disaggregation）将 prefill（预填充，计算密集型）与 decode（逐 token 生成，访存密集型）拆分到不同节点组，是长上下文下提升吞吐/利用率的行业标准做法。本实验聚焦 KV 传输后端的选型验证与稳定部署。

### 为什么不用 NIXL

实测 NIXL（UCX 后端）在 RTX 6000D（无 GDR/GDAKI）上 **VRAM 单次传输上限约 20MB**（24/32/64MB 均报 `Input/output error` → `NIXL_ERR_REMOTE_DISCONNECT`），且 sglang NIXL 后端不做按字节分块（一次传输整个请求全部 KV），连续负载下必断。根因：UCX 依赖 GDAKI（GPU Direct Async）接口，当前未启用（缺 `NVreg_RegistryDwords="PeerMappingOverride=1;"`）。详见飞书 wiki「Kimi-K3 部署手册」PD 章节。

### 为什么 MoonCake RDMA 可行

- MoonCake 走 **libibverbs 直连**（传统 GDR + dmabuf 注册），不依赖 UCX/GDAKI
- 实测跨节点 GPU 显存传输 **1GB 无压力**，连续 10×64MB 全部成功
- **必须用 0.3.12.post1**（含 dmabuf 注册修复 #2035；镜像自带的 0.3.11.post1 无修复）

### 关键坑（务必遵守）

1. **不能设 `PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True`**
   expandable_segments 分配的 GPU 段，mooncake RDMA 注册报 `Bad address [14]`（GitHub kvcache-ai/Mooncake **#2511**）。移除后 KV 注册 2376 条失败 → 0 失败。
2. **P 组先启动，D 组后启动**（prefill 需先注册 bootstrap）。
3. **容器内必须升级 mooncake 到 0.3.12.post1**（wheel 在 `/data/flashkda_deploy/wheels/`，profile 的 BOOTSTRAP 里已含 pip install）。
4. NCCL/GLOO 走计算网（`bond1` + `NCCL_IB_HCA=mlx5_0..3`），不要走管理网 bond0。

## 架构

```
                    ┌───────────────────┐
  client ──31000──▶ │  router (MiniLB)  │ 174.1.60.5
                    └───────┬───────────┘
                    ┌───────▼───────────┐
  P 组 (prefill)   │  174.1.60.1~4      │  TP32×EP32，4 节点 32 卡
  └── prefill 计算  │  计算完产出 KV      │
                    └───────┬───────────┘
                    ┌───────▼───────────┐
      MoonCake RDMA│  mlx5_0~3 (RoCE)  │  4 链路并行
                    └───────┬───────────┘
                    ┌───────▼───────────┐
  D 组 (decode)    │  174.1.60.5~8      │  TP32×EP32，4 节点 32 卡
  └── decode 生成   │  接收 KV 逐 token  │
                    └───────────────────┘

  mc-master (174.1.60.1:50051)  MoonCake 元数据服务
```

## 使用

```bash
# 一键启动（mc-master → P 组 → D 组 → router）
bash deploy_pd.sh start

# 查看状态
bash deploy_pd.sh status

# 停止 / 重启
bash deploy_pd.sh stop
bash deploy_pd.sh restart

# 端到端验证（router 入口，自动双发 P/D）
curl -s http://174.1.60.5:31000/generate -H "Content-Type: application/json" \
  -d '{"text":"Hello","sampling_params":{"max_new_tokens":16}}'
```

## 实测验证（2026-08-11）

| 测试 | 输入 tokens | 输出 tokens | 结果 |
|---|---|---|---|
| warmup | 6 | 16 | ✅ 200 OK |
| 中等 | 1680 | 512 | ✅ e2e 31.4s |
| 长输入 | 5280 | 256 | ✅ e2e 13.0s |

- P 组 prefill throughput ~112 tok/s（5280 token 输入），D 组 decode ~26 tok/s
- 两端 GPU 同步工作，**PD 分离链路完整跑通**
- 对比 NIXL：MoonCake RDMA 处理长 KV 传输稳定，无 20MB 上限问题

## 文件

| 文件 | 说明 |
|---|---|
| `deploy_pd.sh` | PD 编排脚本（mc-master + P + D + router 全生命周期） |
| `config.env` | 实验配置 |
| `deploy/profiles/pro6000/kimi3_pro6000_pd_prefill.env` | P 组（prefill）部署 profile |
| `deploy/profiles/pro6000/kimi3_pro6000_pd_decode.env` | D 组（decode）部署 profile |

## 参考

- 飞书 wiki「Kimi-K3 部署手册」PD 分离章节（七~十一章）
- GitHub kvcache-ai/Mooncake: #2511（expandable_segments 注册失败）、#2035（dmabuf 修复）、#351（Bad address）