3.3 KiB
3.3 KiB
现役部署状态页（live 核验于 2026-09-08）
本页记录 174.1.60.x 集群"现在跑的是什么"。改动机器前后先读这页； 任何变动（停/起/改配置）完成后必须更新本页。核验命令：
docker ps+nvidia-smi。
机器状态（2026-09-08 实测）
| 机器 | 在役 | 口径 / 归属 | 对应 profile |
|---|---|---|---|
| 60.1 (6000D-1) | glm53-pp4（Up，8 卡满载，:30000） |
方案 D 生产。09-08 PD 压测窗口停机 ~2.5h 后已恢复并核验 | profiles/pro6000/glm53_nvfp4_pro6000_sglang_tp2pp4.env |
| 60.2 (6000D-2) | glm53-nvfp4 实验容器（09-08 晚 TP1PP8 phase，run_phase.sh 实验链进行中） |
他人实验进行中，勿动（方案 F PD 链已拆除；GPU7 曾有外部裸金属任务）。动卡前仍先核实归属 | profiles/pro6000/glm53_nvfp4_pro6000_pd_{prefill→decode 侧}.env |
| 60.3 | 无容器，但 8 卡被外部裸金属训练占用（/data/mas/larm，09-08 晚实测） |
外部任务，勿动（此前台账漏记） | — |
| 60.4 | dsv4_scan 容器（Up 5min）+ 裸金属 sglang DeepSeek-V4-Flash-0731 DSPARK DP2/TP4 :30000 |
并行会话/外部在役，勿动 | — |
| 60.5 | glm53-nvfp4（Up 29h） |
NVFP4 团队生产（deploy_glm53_605.sh，md5 fcd9109b）。生产机铁律：不实验、不重启、不覆盖脚本 | profiles/pro6000/glm53_nvfp4_pro6000_sglang_tp8eagle.env（方案 A 口径） |
| 60.6 | 无容器，但 8 卡被外部裸金属实验占用（/data/hzy/sparse-opd-*，09-08 晚实测） |
外部任务，勿动（此前台账漏记） | — |
| 60.7 | 基本空（4 卡仍有 /home/user/dirA_exp 外部小任务，09-08 晚实测） |
09-08 已拆除清空（方案 F 前身单机实验 + 场景一深优资产留盘），不再恢复 | — |
| 60.8 | glm53-nvfp4（Up，:30000，restart=unless-stopped） |
A16 口径在役（09-08 i8k/o1k/c16 压测收官保留：tp8eagle.env 场景二变体 = A + MRR32 + graph bs 4/8/12/16，池 276,864，质量门 7/7）。同场景实测最优为 B（TP4PP2，out 265 vs A16 219 tok/s），如转纯吞吐用途可切 B。压测前经授权清理了 GPU3/6 的 dirA_ext 外部 eval 进程 | profiles/pro6000/glm53_nvfp4_pro6000_sglang_tp8eagle.env（+注释中场景二高并发变体）；压测记录 experiments/pro6000/glm53_nvfp4_i8k_o1k_c16_bench/ |
方案 A-F 一览（GLM-5.3-NVFP4 @ pro6000，2026-09-08 双场景报告口径）
| 方案 | 一句话 | profile / 脚本 |
|---|---|---|
| A | TP8 + EAGLE，基准；60.5 生产口径 | glm53_nvfp4_pro6000_sglang_tp8eagle.env |
| B | TP4 PP2 | glm53_nvfp4_pro6000_sglang_tp4pp2.env |
| C | TP4 PP2 + IndexCache(freq=4) | glm53_nvfp4_pro6000_sglang_tp4pp2_index.env |
| D | TP2 PP4；60.1 生产在役 | glm53_nvfp4_pro6000_sglang_tp2pp4.env |
| E | TP8 + DFlash2 投机 | glm53_nvfp4_pro6000_sglang_tp8dflash2.env |
| F | PD 分离双机链（mc-master→prefill→decode→router） | glm53_nvfp4_pro6000_pd_{master,prefill,decode,router}.env + deploy/PD_CHAIN.md |
压测数据：飞书《GLM-5.3-NVFP4 双场景压测报告》（SZUSdEqY1oRVxGxgILBcHqPJnEc）。
防漂移
每个在役容器用 deploy/verify_profile.sh <profile.env> 定期核验（镜像 digest + 启动参数 +
端口），发现不一致 = 容器被人手改过，先查清归属再处理。