a4e38b9e33
Move all experiments under hardware-specific folders: - experiments/h200/ : H200 GPU experiments (15 dirs) - experiments/h20/ : H20 GPU experiments (2 dirs) - experiments/p800/ : Kunlun P800 experiments (3 dirs) - experiments/pro6000/ : RTX 6000D experiments (2 dirs) This improves discoverability and keeps hardware-specific configs isolated from each other.
DSV4 H200 最大上下文长度探索实验
在 8x NVIDIA H200 上，逐步增大输入长度，测试 SGLang 与 vLLM serving DeepSeek-V4-Flash 时各自能稳定处理的最长上下文。
目的
- 找到 SGLang / vLLM 在 H200 TP=8 配置下，单请求最多能支持多长的输入 token。
- 每个长度只跑 1 个请求、输出 1 个 token，尽量减少 decode 阶段显存干扰。
- 每次测试单独启动 server，并把
max-model-len/context-length刚好设为target_len + 1024，避免预分配过大。
默认候选长度
65536, 131072, 262144, 393216, 524288, 655360, 786432, 917504, 1048576
可以通过环境变量覆盖：
CANDIDATE_LENS=(65536 131072 262144 524288) bash run_bench.sh
控制变量
| 维度 | SGLang | vLLM |
|---|---|---|
| 硬件 | 8x H200，TP=8 | 同上 |
| 输入长度 | --random-input-len $target_len --random-range-ratio 1.0 |
同上 |
| 输出长度 | 1 | 1 |
| 并发 / 请求数 | 1 / 1 | 1 / 1 |
| 压测客户端 | sglang.bench_serving --backend vllm |
同上 |
--random-range-ratio 1.0确保输入长度固定为target_len，而不是默认的[1, target_len]均匀分布。
快速运行
bash experiments/dsv4_h200_max_context_length/run_bench.sh
结果保存在 experiments/dsv4_h200_max_context_length/results/<RUN_ID>/：
results/<RUN_ID>/
├── results.json
├── report.md
└── raw_outputs/ # gitignored
产物说明
results.json：每个候选长度的尝试记录，包括success、TTFT/TPOT/E2E 指标、server_args。report.md：汇总表格，以及每个 backend 最终支持的最大输入长度。
环境
- SGLM server:
/data/user1/yy/envs/sglang - vLLM server:
/data/user1/yy/envs/vllm - Benchmark client:
/data/user1/yy/envs/sglang