sskj/experiments/dsv4_h200_vllm_dspark_vs_default

DSV4 H200 vLLM+DSpark vs vLLM default 对比实验

在 8x NVIDIA H200 上，用统一控制变量对比 vLLM 开启 DSpark 投机解码 与 vLLM 默认配置 的 TTFT / TPOT / 吞吐表现。

目的

你之前的观察是：开启 DSpark 后 TTFT 比默认 vLLM 更长。这个实验把两个配置放在同一套场景下重测，确认现象并量化差异，为后续分析根因提供数据。

每次 server 启动的完整命令行参数会写入 results/<RUN_ID>/<backend>/results.json 的 config.server_args，方便在 P800 等其他平台复现时保持参数一致。

控制变量

维度	DSpark	Default
硬件	8x H200，TP=8，全部 8 张卡	同上
后端	vllm serve --spec-method dspark --spec-tokens 5	普通 vllm serve
压测客户端	sglang.bench_serving --backend vllm	同上
场景矩阵	5 个场景完全一致	同上
KV cache	fp8	fp8
max_model_len	32768	32768
max_num_seqs	256	256

注：DSpark 使用独立的 DeepSeek-V4-Flash-DSpark checkpoint；default 使用标准的 DeepSeek-V4-Flash。这是 DSpark 方案本身带来的差异， unavoidable。

场景矩阵（全部测 5 个）

Concurrency	Input len	Output len	Num prompts
1	512	256	32
32	512	256	128
128	512	256	128
1	4000	512	32
32	4000	512	64

快速运行

bash experiments/dsv4_h200_vllm_dspark_vs_default/run_bench.sh

结果保存在 experiments/dsv4_h200_vllm_dspark_vs_default/results/<RUN_ID>/：

results/<RUN_ID>/
├── dspark/
│   ├── results.json
│   ├── report.md
│   └── raw_outputs/      # gitignored
├── default/
│   ├── results.json
│   ├── report.md
│   └── raw_outputs/      # gitignored
├── comparison.md
└── logs/

文件说明

文件	作用
config.env	模型路径、端口、虚拟环境、场景矩阵
start_dspark.sh	启动带 DSpark 投机解码的 vLLM server
start_default.sh	启动普通 vLLM server
run_bench.sh	总 orchestrator：DSpark → default → 对比报告
parse_backend.py	解析单个 backend 的 raw jsonl 为 results.json + report.md
compare.py	读取两个 backend 结果，生成 TTFT 聚焦的 comparison.md

环境

• DSpark server: /data/user1/yy/envs/vllm-dspark
• Default server: /data/user1/yy/envs/vllm
• Benchmark client: /data/user1/yy/envs/sglang